@misc{Krawczak_Maciej_Wybrane_2001, author={Krawczak, Maciej and Mańczak, Kazimierz and Szkatuła, Grażyna}, copyright={Creative Commons Attribution BY 4.0 license}, address={Warszawa}, journal={Raport Badawczy = Research Report}, howpublished={online}, year={2001}, publisher={Instytut Badań Systemowych. Polska Akademia Nauk}, publisher={Systems Research Institute. Polish Academy of Sciences}, language={pol}, abstract={W pracy omówiono zagadnienia sztucznych sieci neuronowych ze szczególnym uwzględnieniem procesu uczenia sieci na przykładach. Przy założeniu, że funkcje aktywacji, jak również wskaźnik jakości uczenia w sieciach neuronowych są funkcjami różniczkowalnymi, można stosować gradientowe algorytmy optymalizacji. Dotychczas stosowane metody uczenia sieci wymagały stosowania wielokrotnego różniczkowania funkcji złożonych. W opracowaniu proponuje się wykorzystanie aparatu teorii grafów skierowanych, w szczególności twierdzenia Tellegena, do przekształcenia sieci neuronowej na graf. Następnie określa się tzw. sieci odwrotne, które topologicznie są takie same jak rozpatrywana sieć neuronowa i określa przepływ sygnałów w sieciach odwrotnych. Zaproponowano pięć reguł przekształcających sieć oryginalną na sieć odwrotną. Rozpatrzono także zadanie tworzenia reguł klasyfikacji na podstawie rzeczywistych zbiorów danych, które mogą zawierać sprzeczności i niejednoznaczności, będące istotnym utrudnieniem w procesie uczenia. Podjęto próbę zastosowania podejścia opartego na teorii zbiorów rozmytych, które pozwala zapisywać przybliżone, nieprecyzyjne i niejednoznaczne dane w języku zrozumiałym dla systemu komputerowego i dalej je przetwarzać. Opisy rozpatrywanych klas otrzymuje się w postaci zbioru reguł rozmytych typu JEŻELI ... TO, z rozmytymi przesłankami i rozmytymi konkluzjami. Przedstawiono wybrane elementy teorii zbiorów rozmytych oraz podstawy wnioskowania rozmytego pod kątem możliwości ich zastosowania przy tworzeniu reguł klasyfikacji. Podjęto próbę postawienia zadania tworzenia reguł rozmytych na podstawie zbioru przykładów uczących.}, title={Wybrane aspekty uczenia maszynowego na podstawie przykładów.Część I}, type={Text}, URL={http://www.rcin.org.pl/Content/109193/PDF/RB-2001-27.pdf}, keywords={Uczenie maszynowe, Zbiory rozmyte, Sieci neuronowe, Teoria grafów, Reguły klasyfikacji}, }