Probabilistyczne sieci neuronowe i możliwości ich zastosowań

• Autorzy: Paweł Lula

Warianty tytułu

Probabilistic Neural Networks and Their Possible Applications

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono zasadę działania, algorytm uczenia i możliwości zastosowań probabilistycznych sieci neuronowych (PNN - Probabilistic Neural Network). Sieci tego typu stanowią dogodne narzędzie klasyfikacji danych. Do podstawowych ich zalet należy zaliczyć krótki czas uczenia, brak problemów związanych z określeniem struktury i doborem wartości wag oraz możliwość szacowania prawdopodobieństw przynależności obiektu do różnych klas. W celu przeprowadzenia oceny przynależności sieci PNN wykonano eksperymenty obliczeniowe, polegające na próbie klasyfikacji klasycznych zbiorów testowych (problem dwóch spiral i problem klasyfikacji irysów). W pracy znalazło się również porównanie probabilistycznych sieci neuronowych z jednokierunkowymi sieciami wielowarstwowymi. (abstrakt oryginalny)

EN

This article presents the working principle, learning algorithm and application possibilities of probabilistic neural networks (PNN). Such networks are convenient tools for data classification. Their basic advantages are: a short learning time, few problems with regard to structure definition and weights value selection, and the possibility of evaluating the probability of objects belonging to particular classes. In order to assess the utility of PNN networks, computational experiments were carried out. The author tried to classify classic test sets (the problem of two spirals and the problem of iris flowers classification). This study also includes a comparison between probabilistic neural networks and feed-forward multi-layer networks. (original abstract)

Słowa kluczowe

PL

Sieci neuronowe; Model probabilistyczny; Klasyfikacja danych

EN

Neural networks; Probabilistic model; Data classifications

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie
• Rocznik: 2000
• Numer: nr 551
• Strony: 5--16

Twórcy

autor

Paweł Lula

Bibliografia

• Bose N.K., Liang P. [1996], Neural Network Fundamentals with Graphs, Algorithms, and Applications, McGraw-Hill Inc.
• Cacoullos T. [1966], Estimation of a Multivariate Density, Annals of the Institute of Statistical Mathematics, Tokyo, 18.
• Fahlman S.E., Lebiera C. [1990], The Cascade Correlation Learning Architecture, Technical Report, CMU-CS-90-100 School of Computer Science, Carnegie Mellon University, Pittsburgh.
• Masters T. [1995], Advanced Algorithms for Neural Networks. A C+ + Sourcebook, John Wiley & Sons Inc.
• Masters T. [1996], Sieci neuronowe w praktyce. Programowanie w języku C++, WNT, Warszawa.
• Osowski S. [1996], Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa.
• Parzen E. [1962], On Estimation of a Probability Density Function and Mode, Annals of Mathematical Statistics, 33.
• STATISTICA Neural Networks(tm) [1998], StatSoft Inc.