Szerzői jog © 2013 Fazekas István
2013
Tartalom
- Előszó
- 1. Bevezetés
- 2. A perceptron
- 3. A többrétegű perceptron
- A többrétegű perceptron felépítése
- A többrétegű perceptron tanítása
- A back-propagation eljárás variánsai és tulajdonságai
- Az aktivációs függvény deriváltjáról
- Az
tanulási paraméter és a momentum konstans - Soros és kötegelt tanítás
- Heurisztikus megjegyzések a back-propagation algoritmusról
- Osztályozás több halmaz esetén
- Az MLP mint univerzális approximátor
- Általánosítás
- A konjugált gradiens módszer
- Kvázi Newton-módszerek
- A Levenberg–Marquardt-eljárás
- A hálózat metszése
- Numerikus példák
- Feladatok
- 4. A radiális bázis függvények
- 5. A tartó vektor gépek
- 6. Appendix
- 7. Feladatok megoldása, útmutatások
- Irodalomjegyzék