Optymalizacja topologii wielowarstwowego perceptronu: Dostosowywanie sztucznej sieci neuronowej

Sztuczna inteligencja jest coraz bardziej obecna w naszym spo¿ecze¿stwie. W tym celu opracowano ró¿ne strategie. Jedn¿ z nich s¿ sztuczne sieci neuronowe, które maj¿ ró¿ne architektury i topologie. Na przyk¿ad perceptron wielokrotny to sie¿ neuronowa o du¿ej zdolno¿ci uogólniania, co oznacza, ¿e gdy jest u¿ywana do klasyfikacji wzorców, potrafi poprawnie sklasyfikowä próbki, które nigdy nie by¿y jej przedstawiane, wykorzystuj¿c jedynie swoje do¿wiadczenie z poprzednich klasyfikacji. Jednak zdolno¿¿ uogólniania perceptronu jest proporcjonalna do jako¿ci jego topologii, co oznacza, ¿e dobre uogólnienie wymaga dobrej topologii. Znalezienie idealnej topologii dla perceptronu nie jest jednak ¿atwe. Niniejsza praca zawiera analiz¿ metryk wykorzystywanych do znalezienia najlepszej topologii dla danego problemu.