Vše
Vše

Co hledáte?

Vše
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”
IAB1030006

Alternativní učící algoritmy pro dopředné neuronové sítě

Cíle projektu

Většina učících algoritmů pro dopředné neuronové sítě je založena na gradientních metodách používaných při nelineární optimalizaci. Přestože těmito metodami lze úspěšně řešit reálné problémy, mají některá podstatná omezení (numerická nestabilita, časováa komunikační náročnost). V posledních letech vzniklo několik teoretických výsledků o aproximačních vlastnostech neuronových sítí, ale doposud se věnovala malá pozornost vývoji nových učících algoritmů založených na těchto výsledcích. Na základě podrobnéanalýzy vět a důkazového aparátu autorů Kolmogorova, Sprechera, Kůrkové, Leshna, Mhaskara a dalších navrhneme alternativní učící procedury pro dopředné neuronové sítě. U navržených algoritmů budeme studovat jejich teoretické, numerické a výpočetní vlastnosti. Chování algoritmů vyzkoušíme na standardních testovacích problémech.

Klíčová slova

Artificial Neural NetworksLearning AlgorithmsParallel Computing

Veřejná podpora

  • Poskytovatel

    Akademie věd České republiky

  • Program

    Granty výrazně badatelského charakteru zaměřené na oblast výzkumu rozvíjeného v současné době zejména v AV ČR

  • Veřejná soutěž

    SAV0-AB2000

  • Hlavní účastníci

    Ústav informatiky AV ČR, v. v. i.

  • Druh soutěže

    VS - Veřejná soutěž

  • Číslo smlouvy

Alternativní jazyk

  • Název projektu anglicky

    Alternative learning procedures for reedforward neural networks

  • Anotace anglicky

    The majority of currently used learning algortihms for feedforward networks is based on gradient descent methods of non-linear optimization. They have proven successfull in solving real-world problems, nevertheless they are known to suffer from several shortcomings (numerical instability, time demands, communication overhead). Several theoretical results concerning the approximation power of neural networks have been established in the last decade, but a little effort has benn made to use these results-based on functinal approximation theory-for proposal of novel learning procedures. We plan to carefully study the results and proof techniques of Kolmogorov, Sprecher, Kůrková, Leshno, Mhaskar and others to derive alternative learning procedures for feedforward networks. Numerical and computational properties of these algortihms will be studied by means of theory and experiments on standard benchmarks.

Vědní obory

  • Kategorie VaV

  • CEP - hlavní obor

    BB - Aplikovaná statistika, operační výzkum

  • CEP - vedlejší obor

    BA - Obecná matematika

  • CEP - další vedlejší obor

    JC - Počítačový hardware a software

  • OECD FORD - odpovídající obory
    (dle převodníku)

    10101 - Pure mathematics
    10103 - Statistics and probability
    20206 - Computer hardware and architecture

Hodnocení dokončeného projektu

  • Hodnocení poskytovatelem

    U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)

  • Zhodnocení výsledků projektu

    Na základě Kolmogorovovy věty a příbuzných výsledků byly vytvořeny nové učící algoritmy pro dopředné neuronové sítě. Byla určena jejich složitost a navrženo několik možností efektivní paralelní realizace na clusterech pracovních stanic.

Termíny řešení

  • Zahájení řešení

    1. 1. 2000

  • Ukončení řešení

    1. 1. 2002

  • Poslední stav řešení

    U - Ukončený projekt

  • Poslední uvolnění podpory

Dodání dat do CEP

  • Důvěrnost údajů

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

  • Systémové označení dodávky dat

    CEP/2003/AV0/AV03IA/U/N/5:3

  • Datum dodání záznamu

    27. 10. 2004

Finance

  • Celkové uznané náklady

    1 928 tis. Kč

  • Výše podpory ze státního rozpočtu

    726 tis. Kč

  • Ostatní veřejné zdroje financování

    1 202 tis. Kč

  • Neveřejné tuz. a zahr. zdroje finan.

    0 tis. Kč

Uznané náklady

1 928 tis. Kč

Statní podpora

726 tis. Kč

0%


Poskytovatel

Akademie věd České republiky

CEP

BB - Aplikovaná statistika, operační výzkum

Doba řešení

01. 01. 2000 - 01. 01. 2002