Training Processes of Artificial Multilayer Neural Networks

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27350%2F06%3A00014526" target="_blank" >RIV/61989100:27350/06:00014526 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Training Processes of Artificial Multilayer Neural Networks

Original language description

Artificial multilayer feed-forward neural networks are useful in many technical and scientific branches. For example, one of them is modeling and simulation. Before use any designed artificial neural network, we have to teach it for our task. The teaching process is also sometimes called training of neural network. During this teaching process some of many parameters of artificial neural network are adapted by data, which represent our task. For teaching process we can apply some special algorithms, like Back Propagation. However sometimes, during teaching process we can see situations, when is impossible stop teaching process, because error of teaching process is still "so big". The neural network can't adapt own parameters by all data, which represent our task. This paper describe some reasons of errors arise during the teaching process and also describe methods to eliminate some of these errors.

Czech name

Učební metody umělých vrstvených neuronových sítí

Czech description

Vrstvené umělé neuronové sítě jsou použitelné v mnoha technických a vědeckých odvětvích. Např. modelování a simulace. Před tím než začneme navrhovat neuronovou síť a používat ji k řešení konkrétních situací, musíme být schopni naučit daný typ sítě na daný problém. Během tohoto učebního procesu může nastat mnoho situací, které mohou komplikovat cestu k úspěšnému řešení. Proto je v tomto článku vybrán učicí algoritmus Back Propagation na, kterém jsou demonstrovány některé tyto situace.

Type

D - Article in proceedings

CEP classification

BC - Theory and management systems

OECD FORD branch

—

Project

—

Continuities

S - Specificky vyzkum na vysokych skolach

Publication year

2006

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

4th International Workshop on Earth Science and Technology

ISBN

978-4-9902356-7-3

ISSN

—

e-ISSN

—

Number of pages

8

Pages from-to

487-494

Publisher name

Kyushu Univerzity

Place of publication

Fukuoka

Event location

—

Event date

—

Type of event by nationality

—

UT code for WoS article

—