Modelowanie sieci neuronowych

• Autorzy: Janusz Morajda

Warianty tytułu

Modelling of Neural Networks

• Języki publikacji: PL

Abstrakty

W artykule krótko omówiono nowe narzędzie informatyki - sieci neuronowe - jako obiecującą metodę przetwarzania informacji, która znajduje coraz szersze zastosowanie m.in. w wielu problemach związanych z zarządzaniem. Sztuczne sieci neuronowe funkcjonują analogicznie jak naturalne sieci neuronów w mózgu i po zastosowaniu procedury uczenia na podstawie dostarczonych danych, mogą stanowić doskonałe narzędzie wspomagające, np. podejmowanie decyzji, prognozowanie czy zagadnienie klasyfikacji. Pierwsza część poświęcona jest opisowi struktury i zasady funkcjonowania typowej sieci neuronowej. W drugiej części wskazano na możliwości praktycznych zastosowań tego typu narzędzi w wybranych zagadnieniach zarządzania. (abstrakt oryginalny)

EN

In the article the author briefly discusses a new tool of information science, namely, neural networks - a promising method of data processing applied on a growing scale, also when addressing the issues pertaining to management. Artificial neural networks function in the same way as natural networks of neurons in the brain and once a learning procedure based on the supplied data is applied they constitute a perfect tool assisting in making decisions, projections and classifications. In the first part of the article the author describes the structure and principles of the functioning of a typical neutral network. Further on in the article the author demonstrates the possible practical applications of the tool while addressing the selected issues connected with management.(original abstract)

Słowa kluczowe

PL

Sieci komputerowe; Sieci neuronowe; Systemy ekspertowe

EN

Computer networks; Neural networks; Expert systems

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie
• Rocznik: 1996
• Numer: nr 474
• Strony: 85--97

Twórcy

autor

Janusz Morajda

Bibliografia

• Baba Norio, A New Approach for Finding the Global Minimum of Error Function of Neural Network, "Neural Networks" 1989, Vol. 2, No. 5.
• Carpenter G.A., Neural Network Models for Pattern Recognition and associative memory, "Neural Networks" 1989, Vol. 2, No. 4.
• Domany E., Meir R., Iterated Learning in a Layered Feed-Forward Neural Network, "Physical Review", 1988, Vol. 37, No. 7.
• Flocchini P., Using Structured Input Patterns for Neural Based Image Recognition, Fourth Int. Conf. on Image Processing and its Application, Maastricht 1992.
• Grossberg S., Neural Networks and Natural Intelligence, Mass., MIT Press, Cambridge 1988.
• Hecht-Nielsen R., Neurocomputing, Adison-Wesley Publ. Co., Reading MA, 1990.
• Hirose Y., Yamashita K., Hijiya S., Back-Propagation Algorithm which Varies the Number of Hidden Units, "Neural Network" 1991, Vol. 4.
• Hopfield J. J., Neural Computations of Decisions in Optimisations Problem, Biol. Cybern., 1985, Vol. 52.
• Jutten Ch., Neural Networks - Principles, Applications & Hardware Implementations, Tutorials of Second Int. Workshop "Neural Networks & Their Applications", Nimes 1989.
• Kohonen T., Unsupervised Learning Algorithms, Proceedings of International Conference "Neural Networks, Biological Computers or Electronic Brains", Lyon 1990.
• Mueller B., Reinhardt J., Neural Networks - an Introduction, Springer Verlag, Berlin 1991.
• Murphy O.J., Nearest Neighbor Pattern Classification Perceptions, Proceedings of the IEEE, October 1990.
• Neural Networks for Perception, H. Wechsler (ed.), Academic Press, New York 1992.
• Rumelhart D., Neural Networks - a Parallel Distributed Processing Perspective - Proc. of Neural Networks Summer School - Theory, Design and Applications, Cambridge 1991.
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wyd. RM, Warszawa 1993.
• Tadeusiewicz R., Sieci neuronowe - przewodnik problemowy, "Elektrotechnika" 1991, nr 2.
• Werbos P.J., Backpropagation Through Time: What it Does and How to do it, Proceedings of the IEEE, October 1990.
• Zeidenberg M., Neural Networks in Artificial Intelligence, Ellis Horwood, New York 1990.