Učení rovnic a extrapolace pomocí umělých neuronových sítí

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F22%3A43966505" target="_blank" >RIV/49777513:23220/22:43966505 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
čeština
Název v původním jazyce
Učení rovnic a extrapolace pomocí umělých neuronových sítí
Popis výsledku v původním jazyce
Standardní regresní umělé neuronové sítě poskytují modely, které jsou schopny velmi účinné a spolehlivé aproximace trénovacích dat. V oblasti extrapolace však tyto sítě kompletně selhávají. Navíc, na základě modelu nelze porozumět funkčním vztahům pozorovaných dat a nelze je tedy zobecnit do vzorců či rovnic. Neuronové sítě popsané v tomto článku představují princip učení schopný identifikovat skutečný vzorec popisující trénovací data. Díky tomu výsledný model nabízí věrné výsledky i v oblasti extrapolace.
Název v anglickém jazyce
Formula learning and extrapolation by artificial neural networks
Popis výsledku anglicky
Common regression artificial neural networks provide models that are capable of very efficient and reliable approximation of training data. However, in the area of extrapolation, these networks fail. Moreover, based on the model, it is impossible to understand the observed data's functional relationships, and thus it is impossible to generalize them into formulas. The neural networks described in this paper present a learning principle capable of identifying the true formula describing the training data. Due to this, the model of the observed phenomenon offers accurate prediction even in the area of extrapolation.

Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)