Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek

Autor

  • Jacek BARTMAN Uniwersytet Rzeszowski, Instytut Techniki, Polska

Słowa kluczowe:

sztuczna sieć neuronowa, uczenie

Abstrakt

Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka

Pobrania

Opublikowane

2013-12-15

Jak cytować

BARTMAN, J. (2013). Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek. Journal of Education, Technology and Computer Science, 8(2), 358–365. Pobrano z https://journals.ur.edu.pl/jetacomps/article/view/6785

Numer

Dział

PROBLEMY MODELOWANIA MATEMATYCZNO-INFORMATYCZNEGO

Inne teksty tego samego autora