G¿¿bokie uczenie si¿

G¿¿bokie uczenie si¿ jest w dzisiejszych czasach gor¿cym tematem badawczym. Sieci neuronowe s¿ ko¿mi roboczymi g¿¿bokiego uczenia si¿. W tych badaniach badano podstawy sieci neuronowych. ANN mo¿na zdefiniowä jako struktury sk¿adaj¿ce si¿ z g¿sto po¿¿czonych adaptacyjnych, prostych elementów przetwarzaj¿cych (zwanych sztucznymi neuronami lub w¿z¿ami), które s¿ zdolne do wykonywania masowo równoleg¿ych oblicze¿ dla przetwarzania danych i reprezentacji wiedzy. Wspomniano o definicji sztucznej sieci neuronowej, omówiono projektowanie sieci neuronowej, nauk¿ o sieci neuronowej, omówiono najpopularniejsze typy sieci neuronowych, takie jak sieci Hopfielda, sieci teorii rezonansu adaptacyjnego (ART), sieci Kohonena, sieci backpropagacji, sieci pr¿du przemiennego, sieci przeciwdziäaj¿ce propagacji oraz sieci z funkcj¿ bazy radialnej (RBF), a tak¿e omówiono ogólne zagadnienia zwi¿zane z rozwojem ANN.