3545336916

WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 77

Powyższa sieć neuronowa dla danego wektora wejściowego (rysunek 3) została otrzymana przy użyciu Back Propagation Scheme, dla 300 epok, z zastosowaniem metody MLP (MutiLayer Perceptron). Mamy jedną warstwę ukrytą, która dobrze przybliża zbiór treningowy i walidacyjny. Rysunek 5 pokazuje, że krzywe uczenia i walidacyjna są zbieżne podczas procesu treningowego, a więc dobrana sieć neuronowa może służyć za podstawę do dalszej analizy zagadnienia. Na tym etapie pomijamy wyniki statystyczne otrzymane podczas symulacji SNN. Chcemy nadmienić, że w obecnej chwili nie jest naszym celem przewidywanie upadłości spółki w 100% w oparciu o powyższy model, raczej traktujemy to jako dobre ćwiczenie do dalszych badań nad tym zagadnieniem. Nowe modele prognozowania upadłości spółek będą szeroko opisane w [4].

Rysunek 5. Zrzut okna Statistica przedstawiający krzywą treningową i walidacyjną dla danych wejściowych z rysunku 3 i dla sieci neuronowej z rysunku 4

5. Algorytmy ewolucyjne

Jeśli dany osobnik przystosował się do środowiska, jak również jego kombinacja genów jest korzystna to geny te przekazuje potomstwu. Proces ten wykorzystywany jest do rozwiązywania zadań optymalizacyjnych. Można wykorzystywać analogiczne obliczenia numeryczne do tzw. algorytmów ewolucyjnych. Można sprawdzić, za pomocą odpowiednio zdefiniowanej funkcji, w jakim stopniu dany osobnik przystosował się do środowiska. Osobniki między sobą wymieniają materiał genetyczny. Wprowadza się tu operatory krzyżowania i mutacji, by generować nowe rozwiązania. Rezultatem tego algorytmu jest otrzymanie "osobników” najlepiej przystosowanych, które przeżyją.

Do algorytmów ewolucyjnych można zaliczyć:

-    klasyczny algorytm genetyczny,

-    strategie ewolucyjne,

-    programowanie ewolucyjne,

-    programowanie genetyczne.

Wyszukiwarka

Podobne podstrony:
WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 81 Zastosowanie sztucznej inteligenc
WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 73 Jeśli X jest przestrzenią o skońc
WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 75 sygnał wejściowy Rysunek 2. Budow
WSPÓŁCZESNE TRENDY W BADANIACH NAUKOWYCH SZTUCZNEJ INTELIGENCJI 79 7. Metody grupowania danych Przy
21.    KOŁO NAUKOWE SZTUCZNEJ INTELIGENCJI „NOESIS” Opiekun Koła: dr inż.
NAUKA I BIZNESNOWE TRENDY W BADANIACH NAUKOWYCH Wystąpienie Młodego Naukowca Edycja
grupa II a Egzamin ze Sztucznej Inteligencji - Grupa IIZadl: Narysuj Neuron McCullocha-Pittsa z wejś
NADZĘDZIE SZTUCZNEJ INTELIGENCJI Lekcja 4: Uczenie sieci neuronowych CEL: Znaleźć układ wag, aby
grupa III a Egzamin ze Sztucznej Inteligencji - Grupa 111Zadl: Narysuj Neuron McCullocha-Pittsa * we
IMGA02 Naprężenia w belce zginanej Z równania powyższego wynika, że dla danego przekroju naprężenia
DSC03092 (3) Biocenozy ktimaksnwe Badaniu wykazały, że nU* jyiuipji- jdlcn rml/n) UłimaKsu dla daneg
P1080334 10. Sztuczna inteligencja w robotyce Zmodyfikowana waga 00.2) W procesie samouczenia, opisa
Wstęp do Metod Sztucznej Inteligencji1.2.3. Projekty amerykańskie. Najsilniejsze ośrodki naukowe

więcej podobnych podstron