Evapotranspiráció elõrejelzése mesterséges neuronális halózatok segitségével Wójcicki Andrzej, GTK V. konzulens: Dr. Pitlik László Gazdasági Informatika Tanszék
Bevezetés n elôzmények n feladat, cél, hasznosság n lehetséges módszerek
A valódi folyamat és a mérési adatok alapján alkotott modell összefüggésterei.
mesterséges deciziós egységek ???
egyréteges, egyneuronos, egyirányú modell f() 1 2 3 4 5 idõ hõmérséklet Rel. páratart. megvilágitás õntõzés Modell output
tanítási adatok (inputok)
modell eredményei
Generálizálás és approximáció
Összegzés (következtetések) mesterséges neuronális halózatokra jellemzõ: n példákon való tanulás n összefüggések automatikus feltárása n súlyok formájában történõ eloszlott információ tárolására n “értelemszerû“ generalizálás és jó approximációs képességek n jól használhatók a gyakorlati modellek felépítésére n bizonyos mértékû a-priori tudás és emberi beavatkozás szükségessége n meglehetõsen heurisztikus módon történõ többrétegû hálózatok építése n hálók használata sok területén elõrelépést jelent a hagyományos modellekhez képest, mind szükséges munka idõ, mind model minõsége tekintetében
teszt adatok
hibafelületek
kapcsolási súlyok alakulása a tanulás alatt