RBF neuronové sítě

Abstract

Práce se zabývá přiblížením problematiky RBF neuronových sítí a specificky RCE sítě pomocí demo aplikace. V demo aplikaci je hlavně vizualizovaný proces učení sítě, ale i stav neuronové sítě a různé tvary bázových funkcí. Dále je také zkoumáno využití EBF neuronových sítí. Klasické přístupy k EBF sítím jsou srovnány s novým návrhem OEBF sítě a následně jsou otestovány. Tento nový návrh je založený na vytváření eliptických oblastí pomocí euklidovské vzdálenosti od ohnisek elipsy. Nový návrh nejeví známky vylepšení vlastností těchto sítí a naopak spíše produkuje skoro stejné výsledky jako klasická RCE síť, které jsou ale řádově asi o jednotky procent méně přesné. Na závěr jsou navrženy možnosti pro budoucí úpravy tohoto přístupu.The thesis focuses on explaining the field of RBF neural networks, specifically RCE networks, through a demo application. The demo application primarily visualizes the network learning process, as well as the state of the neural network and different shapes of basis functions. Additionally, the utilization of EBF neural networks is explored. Conventional approaches to EBF networks are compared and tested against new design of OEBF network. Which is based on deriving the elliptical areas from euclidean distance from both focal points of ellipse. The new design shows no signs of improving the properties of these networks and rather produces results almost identical to those of the classic RCE network, which are, however, several percentage points less accurate. Finally, methods for improving this solution in future are proposed.