Widok standardowy Widok MARC Widok ISBD

Problemy analogowej realizacji sztucznej sieci neuronowej / Tomasz Kiczkowiak, Zenon Ociepa, Szymon Grymek.

Autor:

KICZKOWIAK, Tomasz. Politechnika Koszalińska - Wydział Mechaniczny, Katedra Systemów Sterowania Zakład Automatyki Przemysłowej, 1996 - 2017

Współtwórca(-y):

OCIEPA, Zenon. Politechnika Koszalińska - Wydział Mechaniczny, Katedra Systemów Sterowania, 1996 -

Rodzaj materiału:

ArtykułJęzyk: polski Język streszczenia: angielski Inny tytuł:

Problems of analoque realisation of the artificial neural network

Praca zawiera:

Ogólnopolska Konferencja Polioptymalizacja i Komputerowe Wspomaganie Projektowania (20 ; 2002 ; Koszalin / Mielno, Polska)

Tematy:

Sieci neuronowe

Rodzaj/forma:

Materiały konferencyjne.

W: Polioptymalizacja i Komputerowe Wspomaganie Projektowania, Mielno 2002 : prace XX Ogólnopolskiej Konferencji. - s. 79-81Streszczenie: W pracy opisano problemy układowej (analogowej) realizacji sztucznej sieci neuronowej. Sieć ta nie jest wykorzystywana w procesie uczenia. Wartości wag i progów sieci uzyskiwane są w procesie uczenia z wykorzystaniem modelu symulowanego na komputerze. Zaproponowano nowe podejście polegające nie na dopasowywaniu układów analogowych do modelowej funkcji aktywacji, ale na takiej modyfikacji algorytmu uczenia, aby dopasować model symulowany na komputerze do wykonywanych harwarowo neuronów.

Egzemplarze ( 1 )
Uwagi ( 2 )

Egzemplarze
Typ dokumentu	Obecna biblioteka	Sygnatura	Status	Termin zwrotu	Kod kreskowy
Artykuł	Bibliografia Prac Pracowników - BPK	0100 (Przeglądaj półkę(Otwórz poniżej))	Nie można wypożyczyć

Dane z autopsji.

W pracy opisano problemy układowej (analogowej) realizacji sztucznej sieci neuronowej. Sieć ta nie jest wykorzystywana w procesie uczenia. Wartości wag i progów sieci uzyskiwane są w procesie uczenia z wykorzystaniem modelu symulowanego na komputerze. Zaproponowano nowe podejście polegające nie na dopasowywaniu układów analogowych do modelowej funkcji aktywacji, ale na takiej modyfikacji algorytmu uczenia, aby dopasować model symulowany na komputerze do wykonywanych harwarowo neuronów.