Neurlis hlzatok Neurlis hlzatok A biolgiai neurlis hlzatok
![Neurális hálózatok Neurális hálózatok](https://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-1.jpg)
Neurális hálózatok
![Neurális hálózatok • A biológiai neurális hálózatok ihlette számítási rendszerek. • Mintafelismerésre, osztályozásra, klaszterezésre Neurális hálózatok • A biológiai neurális hálózatok ihlette számítási rendszerek. • Mintafelismerésre, osztályozásra, klaszterezésre](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-2.jpg)
Neurális hálózatok • A biológiai neurális hálózatok ihlette számítási rendszerek. • Mintafelismerésre, osztályozásra, klaszterezésre használják őket Perceptron Többrétegű neurális hálózat KMOOC Mesterséges Intelligencia – Neurális hálózatok
![Biológiai háttér • Az agy: - 1011 neuron - 104 lemenkénti kapcsolat • Neuron Biológiai háttér • Az agy: - 1011 neuron - 104 lemenkénti kapcsolat • Neuron](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-3.jpg)
Biológiai háttér • Az agy: - 1011 neuron - 104 lemenkénti kapcsolat • Neuron elemei: - dendrit - sejttest - akszon KMOOC Mesterséges Intelligencia – Neurális hálózatok
![Mesterséges neurális hálózatok • Hasolnóságok (biológia és mesterséges hálózat): - mind a két hálózat Mesterséges neurális hálózatok • Hasolnóságok (biológia és mesterséges hálózat): - mind a két hálózat](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-4.jpg)
Mesterséges neurális hálózatok • Hasolnóságok (biológia és mesterséges hálózat): - mind a két hálózat építőeleme egyszerű számítási elem - a neuronok közötti kapcsolatok határozzák meg a hálózat funkcióját KMOOC Mesterséges Intelligencia – Neurális hálózatok
![Mesterséges neurális hálózatok • Előnyök: - elvégez olyan feladatokat is amire a lineáris program Mesterséges neurális hálózatok • Előnyök: - elvégez olyan feladatokat is amire a lineáris program](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-5.jpg)
Mesterséges neurális hálózatok • Előnyök: - elvégez olyan feladatokat is amire a lineáris program nem képes - ha egy elem „elromlik”, a hálózat továbbra is működik. • Hátrányok: - tanításra van szükség - nagy hálózatoknál nagy a számítási igény. KMOOC Mesterséges Intelligencia – Neurális hálózatok
![Mesterséges neurális hálózatok a=f(n)=f(wp+b) a=f(n)=f(w 1 p 1+w 2 p 2+b) w=5 p=2 b=2. Mesterséges neurális hálózatok a=f(n)=f(wp+b) a=f(n)=f(w 1 p 1+w 2 p 2+b) w=5 p=2 b=2.](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-6.jpg)
Mesterséges neurális hálózatok a=f(n)=f(wp+b) a=f(n)=f(w 1 p 1+w 2 p 2+b) w=5 p=2 b=2. 5 a=f(wp+b)=f(12. 5) KMOOC Mesterséges Intelligencia – Neurális hálózatok
![Mesterséges neurális hálózatok Átviteli (aktivációs) függvények Az n lineáris vagy nemlineáris függvénye Hard - Mesterséges neurális hálózatok Átviteli (aktivációs) függvények Az n lineáris vagy nemlineáris függvénye Hard -](http://slidetodoc.com/presentation_image_h2/c2c560480392c07f722dacaf331f576d/image-7.jpg)
Mesterséges neurális hálózatok Átviteli (aktivációs) függvények Az n lineáris vagy nemlineáris függvénye Hard - limit Lineáris Log - szigmoidális KMOOC Mesterséges Intelligencia – Neurális hálózatok
- Slides: 7