Praca Dyplomowa - AGH

dopasowania w drodze prób szeregu elementów do rozwiązywanego zadania, to jednakzalety tej metody decydują o jej rosnącej popularności. Autor wymienił takie cechy jak:o niezależność od parametrów statystycznych charakteryzujących klasy;o możliwość łączenia różnego typu danych i wykorzystania ich jako informacjiwejściowych;o możliwość wyuczenia wzorców na podstawie przykładów;o przetwarzanie równoległe i rozproszone;o automatyczne uczenie się wzorców bez konieczności tworzenia reprezentacji,kryteriów zbieżności itd.;o tolerancję na niekompletne i obarczone błędami dane;o stopniowe obniżanie poprawności w przypadku niewystarczających danychi zdolność obliczania wyników częściowych;o szeroką dostępność symulatorów programowych.Z kolei Iwaniak (2002) w swojej pracy opisał metodę sieci neuronowych wnastępujący sposób: „W sieci neuronowej neutrony zorganizowane są w warstwach.Warstwa wejściowa służy do wstępnej obróbki danych wejściowych. Na wejściekażdego neuronu pierwszej warstwy trafiają sygnały wejściowe, podane przezużytkownika. Neurony przetwarzają sygnały wejściowe i przekazują je poprzez swojewyjścia na wejścia neuronów następnej warstwy. Aksony (wyjścia) neuronów warstwypoprzedniej łączą się z dendrytami (wejściami) neuronów warstwy następnej, i takkolejno następne warstwy. To co pojawi się na wyjściach neuronów warstwy ostatniej(wyjściowej), jest wynikiem działania sieci”.Autor uważał również, iż „kiedy chcemy wykorzystać sieć neuronową w jakimśzadaniu, musimy dokładnie przeanalizować jej strukturę. Im mniej warstw w sieci, tymszybciej i łatwiej zazwyczaj przebiega proces uczenia. Trzeba jednak wybrać taką sieć,która jest w stanie rozwiązać dany problem. Sieć trójwarstwowa może rozwiązać każdyrodzaj zadania, jednak czasem stosuje się sieci czterowarstwowe, aby uniknąćprzymusu umieszczania zbyt wielu neuronów w jednej warstwie. Zanadto rozbudowanastruktura sieci nie tylko wymaga więcej czasu w procesie uczenia, ale daje zazwyczajgorsze rezultaty” (Iwaniak, 2002).30