Neurális hálózat finomhangolása egy adott adatbázison
Neurális hálózatok több változata érhető már el melyek egyre több helyen kerülnek gyakorlati alkalmazásra, amikor összefüggéseket keresünk nagyobb adatbázisokban. A számítógépes alkalmazások között a mesterséges neurális hálózatok (Neural Network röviden NN) számos válfaja használatos hétköznapi alk...
Elmentve itt :
| Szerzők: | |
|---|---|
| Dokumentumtípus: | Cikk |
| Megjelent: |
2023
|
| Sorozat: | JELENKORI TÁRSADALMI ÉS GAZDASÁGI FOLYAMATOK
18 No. Különszám |
| Tárgyszavak: | |
| doi: | 10.14232/jtgf.2023.kulonszam.73-81 |
| mtmt: | 34342127 |
| Online Access: | http://publicatio.bibl.u-szeged.hu/29889 |
| Tartalmi kivonat: | Neurális hálózatok több változata érhető már el melyek egyre több helyen kerülnek gyakorlati alkalmazásra, amikor összefüggéseket keresünk nagyobb adatbázisokban. A számítógépes alkalmazások között a mesterséges neurális hálózatok (Neural Network röviden NN) számos válfaja használatos hétköznapi alkalmazásokban. Ilyen például az ügyfélminősítés, egészségügy, vagy éppen az adatbányászat. Természetesen más-más neurális hálózat típus és algoritmusok használatosak a kép és hang és szövegfeldolgozásban vagy gépi fordításban és mások az egyszerű adatbányászatban, vagy összefüggés keresésben és adatelemzésekben. A python scriptnyelven kifejlesztett grafikus felülettel rendelkező rendszerünket, több különböző méretű valós és generált adatbázison teszteltük, eddig sikerrel. Jelen elemzés célja az, hogyan javítható az előrejelzés pontossága az egyes paraméterek változtatásával (neuronszám, iterációszám stb.) ezáltal hogyan növelhető a hálózat pontossága egy adott adatbázis elemzésekor. |
|---|---|
| Terjedelem/Fizikai jellemzők: | 73-81 |
| ISSN: | 1788-7593 |