Učení vrstevnatých perceptronových sítí

Abstract

Multilayer perceptron networks are interesting alternative to the classical von neuman computational models. This thesis summarizes theoretical basis of their learning and describes the implemenatation of a multilayer pereptron network, designed as an agent for multiagent system BANG3. At the end of the thesis, we summarize the results of testing the implemented multilayer perceptron network on two data sets using different learning algorithms with various parameter configurations.

Vrstevnaté perceptronové sítě jsou zajímavou alternativou ke klasickým von neumannovským výpočetním modelům. V této práci jsou shrnuty teoretické základy jejich učení a je popsána implementace perceptronové sítě v podobě agenta určeného pro běh v multiagentním systému BANG3. V závěru práce jsou uvedeny výsledky testování implementované sítě na dvou sadách vstupních dat při použití různých učících algoritmů a různém nastavení jejich parametrů.