原子力科学・発電技術ジャーナル

人工ニューラルネットワーク学習アルゴリズムと技術に関する分析的研究

ジーヴィタ・マルタチャラム*

人工ニューラル ネットワークは、人間の意思決定能力をサポートし、実践における矛盾や経験不足によるエラーを回避するために広く使用されています。この論文では、人工ニューラル ネットワークにおける、プレセプトロン学習、エラー訂正、ヘブビアン、競合学習ルールなどのさまざまな学習ルールについて検討しました。学習ルールは、ネットワーク内の接続の重みの変更を指示するアルゴリズムです。

彼らは、トレーニング中に望ましい出力と実際の出力の差を利用して重みを変更することで、エラー削減手順を組み込んでいます。学習ルールは通常、多数のエポックにわたって同じトレーニング入力セットに繰り返し適用され、重みが微調整されるにつれて、エポック間でエラーが徐々に削減されます。この論文では、ニューラル ネットワーク手法の 1 つである多層パーセプトロン (MLP) とその用途、利点、欠点についても焦点を当てています。