An Overwiew of alternatives for backpropagation neural network algorithms
Author info
Matúš Mihalovič
Author
Mihalovič Matúš EUBPHFKKM - Katedra kvantitatívnych metód PHF
Source document
Journal of innovations and applied statistics : vedecký internetový časopis. Roč. 6, č. 2 (2016), s. 41-49 online. - Košice : Katedra hospodárskej informatiky a matematiky PHF EU, 2016. ISSN 1338-5224
Riešenie problémov súvisiacich s nedostatkami backpropagation algoritmu učenia, ako najfrekventovanejšieho spôsobu učenia neurónových sietí. Neurónové siete v súčasnosti už prakticky nahrádzajú klasické štatistické metódy vo výskume v oblasti ekonómie manažmentu. Dôvodov je hneď niekoľko. Tým prvým je, že model neurónovej siete nemusí spĺňať žiadne štatistické predpoklady ako v prípade tradičných štatistických metód (normálnosť rozdelenia dát, homoskedasticita, lineárnosť atď.). Neurónové siete dokážu rozpoznať aj nelineárne vzťahy medzi premennými. Ďalšou výhodou je ich presnosť a výkonnosť, čo dokazuje nespočetné množstvo štúdií zameraných na porovnanie modelov umelej inteligencie a klasických štatistických metód. Na druhej strane sa často neurónovým sieťam vyčíta, že predstavuje určitý black-box. Tvorca neurónovej siete vloží vstupné premenné a na konci trénovania dostane výstupnú premennú. Celý proces, ako prebieha aktualizácia váh v skrytých vrstvách neurónov siete, je zahalený, čo v podstate dáva tušiť aj názov siete (skrytá sieť). Tento nedostatok sťažuje praktickú aplikáciu výsledkov neurónovej siete hlavne v oblasti riadenia, rozhodovania a manažmentu.
Public work category
Scientific titles in home not carented magazines and other year-books