Predykcja współrzędnych x, y bieguna ziemskiego za pomocą sztucznych sieci neuronowych Maciej Kalarus Centrum Badań Kosmicznych PAN 5 grudnia 2003r.

Slides:



Advertisements
Podobne prezentacje
System oceny ryzyka zawału serca
Advertisements

Sieć jednokierunkowa wielowarstwowa
SIECI NEURONOWE Sztuczne sieci neuronowe są to układy elektroniczne lub optyczne, złożone z jednostek przetwarzających, zwanych neuronami, połączonych.
SZTUCZNE SIECI NEURONOWE
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Inteligencja Obliczeniowa Otwieranie czarnej skrzynki.
Katedra Informatyki Stosowanej UMK
Uczenie konkurencyjne.
Inteligencja Obliczeniowa Sieci dynamiczne.
Inteligencja Obliczeniowa Sieci o zmiennej strukturze.
Inteligencja Obliczeniowa Perceptrony
SIECI NEURONOWE Wykład III.
Przegląd zastosowań.
o radialnych funkcjach bazowych
Dobór optymalnej architektury
Sztuczne sieci neuronowe
Sztuczne sieci neuronowe w doświadczeniach nad fizyką spinową w CERN
Czy potrafimy obliczyć wartość wyjścia sieci znając wartości jej wejść? Tak, przy założeniu, że znamy aktualne wartości wag i progów dla poszczególnych.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania.
Życiorys mgr inż. Julian Szymański Katedra Architektury Systemów Komputerowych WETI PG Urodzony: r. Wykształcenie: studia na wydziale.
mgr inż. Michał Joachimczak Instytut Oceanologii PAN, Sopot
Magda Kusiak Karol Walędzik prof. dr hab. Jacek Mańdziuk
Wstępny projekt IERS prognozowania parametrów ruchu obrotowego Ziemi
Kosek Wiesław Centrum Badań Kosmicznych, PAN
Mirosław ŚWIERCZ Politechnika Białostocka, Wydział Elektryczny
Sieci Hopfielda.
Sieci neuronowe jednokierunkowe wielowarstwowe
Zastosowanie technologii CUDA w sztucznej inteligencji
Klasyfikacja dokumentów za pomocą sieci radialnych Paweł Rokoszny Emil Hornung Michał Ziober Tomasz Bilski.
Klasyfikacja dokumentów za pomocą sieci radialnych
formalnie: Budowa i zasada funkcjonowania sztucznych sieci neuronowych
Systemy wspomagania decyzji
Sztuczne Sieci Neuronowe
Opiekun: dr inż. Maciej Ławryńczuk
Systemy Wspomagania Decyzji
Wspomaganie decyzji nie zwalnia od decyzji...
Systemy Wspomagania Decyzji
Detekcja twarzy w obrazach cyfrowych
Uczenie w Sieciach Rekurencyjnych
GŁOSOWA ŁĄCZNOŚĆ Z KOMPUTEREM
Plan prezentacji Zarys projektu Geneza tematu
Analiza doboru danych uczących w predykcji indeksu giełdowego mgr Marcin Jaruszewicz dr hab. Jacek Mańdziuk.
Systemy wspomagania decyzji
Modelowanie i Identyfikacja 2011/2012 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Warstwowe.
Model I/O bazujący na HSWN Problem uczenia sieci HSWN
Marcin Jaruszewicz Jacek Mańdziuk
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Instytut Zarządzania – Państwowa Wyższa Szkoła Zawodowa
Do technik tych zalicza się: * sztuczne sieci neuronowe
Andrzej Bielecki AGH Wydział EAIiIB Katedra Informatyki Stosowanej
Adaptacyjne Systemy Inteligentne Maciej Bielski, s4049.
Porównanie metod prognozowania parametrów orientacji Ziemi
mgr inż. Maciej Sac Katedra Sieci Teleinformacyjnych WETI PG
Prognozowanie parametrów ruchu obrotowego Ziemi różnymi metodami Wiesław Kosek Seminarium ZGP Warszawa, 4 czerwiec 2004 r.
Sztuczne sieci neuronowe
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
Metody sztucznej inteligencji – technologie rozmyte i neuronoweReguła propagacji wstecznej  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów.
SZTUCZNA INTELIGENCJA
METODY PROGNOZOWANIA SPRZEDAŻY W PRZEDSIĘBIORSTWIE Opole 2006 Politechnika Opolska Instytut Inżynierii Produkcji Dr inż. Łukasz MACH.
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania Modelowanie i podstawy identyfikacji 2015/2016 Modele neuronowe – podstawy,
GeneracjeTechnologia Architektura przetwarzania 0. Przekaźniki elektromechaniczne 1. Lampy elektronowe 2. Tranzystory 3. Układy scalone 3.5.Układy dużej.
Metody Inteligencji Obliczeniowej Adrian Horzyk Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii.
Belief Nets Autor: inż. 2013r źródło tła:
Wykorzystanie algorytmu Text Mining do analizy przyjmowanych przez rodziców celów wychowawczych Agnieszka Szymańska.
Kognitywne właściwości sieci neuronowych
Sztuczne Sieci Neuronowe
Systemy Ekspertowe i Sztuczna Inteligencja trudne pytania
Inteligencja Obliczeniowa Perceptrony
Programowanie sieciowe Laboratorium 4
Programowanie sieciowe Laboratorium 3
Zapis prezentacji:

Predykcja współrzędnych x, y bieguna ziemskiego za pomocą sztucznych sieci neuronowych Maciej Kalarus Centrum Badań Kosmicznych PAN 5 grudnia 2003r

Zmiany współrzędnych x, y bieguna http://hpiers.obspm.fr/eoppc/eop/eopc04 Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Zbiór danych INTERNATIONAL EARTH ROTATION AND REFERENCE SYSTEMS SERVICE źródło http://hpiers.obspm.fr/eoppc/eop/eopc04/eopc04.62-now przedział czasowy danych 1962.01.01  2003.07.30 okres próbkowania 1 dzień Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Neuron, sieć neuronowa net = w t x łączne pobudzenie neuron biologiczny ogólny model neuronu dendryty  wejścia [x1, x2, ..., xn]t synapsy  wagi [w1, w2, ..., wn]t jądro  sumator  wzgórek aksonu  blok aktywacji f(net) akson  wyjście y SSN są podzbiorem rozwiązań nazywanych AI model McCullocha-Pittsa (1943r) net = w t x łączne pobudzenie f(net) funkcja aktywacji Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Architektura i zasada działania zastosowanej sieci radbas purelin funkcje aktywacji nauka predykcja schemat sieci neuronowej Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

przykłady nieprawidłowego uogólnienia Problem doboru architektury sieci przeuczenie sieci (over-training) przykłady nieprawidłowego uogólnienia Sieć: (1, 10 radbas, 1 purelin) T = 0.4 T=0.01 50 punktów treningowych (0.2) egzekwowanie wiedzy dla 1000 punktów (0.01) 15+1 neuronów Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Zapobieganie „przeuczeniu” sieci H. Schuh et al., 2002, „Prediction of Earth orientation parameters by artificial naural networks” Architektura sieci (1260dni) wejście 17 8 4 12 wyjście (prognoza na rok) warstwa ukryta Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Model Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Predykcja współrzędnej X chwilowego bieguna ziemskiego współrzędna X bieguna ziemskiego (01.01.1962r23.05.2002r) prognozy na 100 dni Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Rezultaty średnie błędy predykcji Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Rezultaty NN NN (res) LS+NN Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Rezultaty Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Co dalej? zautomatyzowanie metody poszukiwania optymalnej architektury sieci z wykorzystaniem algorytmu genetycznego lub metody fałszywych najbliższych sąsiadów udoskonalenie modelu Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus

Dziękuje za uwagę Centrum Badań Kosmicznych PAN Predykcja współrzędnych x, y bieguna ziemskiego... Maciej Kalarus