Struttura e utilizzo di reti neurali per problemi di difficile modellizzazione. Struttura del modello matematico del neurone ed approfondimento particolare per le architetture multilayer perceptron e radial basis function. Spiegazione di due tra gli algoritmi di apprendimento più utilizzati cioè discesa del gradiente e Levenberg-Marquardt, con simulazioni in matlab riguardanti delle reti di tipo multilayer perceptron addestrate con gli algoritmi suddetti per risolvere problemi di regressione e classificazione
Modelli di reti neurali: multilayer perceptron e radial basis function
Da Broi, Giacomo
2012/2013
Abstract
Struttura e utilizzo di reti neurali per problemi di difficile modellizzazione. Struttura del modello matematico del neurone ed approfondimento particolare per le architetture multilayer perceptron e radial basis function. Spiegazione di due tra gli algoritmi di apprendimento più utilizzati cioè discesa del gradiente e Levenberg-Marquardt, con simulazioni in matlab riguardanti delle reti di tipo multilayer perceptron addestrate con gli algoritmi suddetti per risolvere problemi di regressione e classificazioneFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Modelli_di_reti_neurali.pdf
accesso aperto
Dimensione
259.47 kB
Formato
Adobe PDF
|
259.47 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/15778