Neural network in squaring numbers

U ovom radu prikazan je postupak učenja neuronske mreže s povratnim rasprostiranjem pogreške u zadatku prikaza generalizacijskog svojstva neuronske mreže za primjer kvadriranja prirodnih brojeva. Općenito gledano neuronske mreže spadaju u jedno mnogo šire područje nazvano umjetna inteligencija. Glavna karakteristika umjetnih neuronskih mreža je u tome što se one ne oslanjaju isključivo na determinsitičke matematičke postupke zbog čega svi ulazi u sustav ne moraju biti u potpunosti točni da bi on mogao pravilno raditi. Osim samog postupka učenja u ovom je radu prikazano i testiranje mreže koje se provodi nakon samog procesa učenja, a cijela programska podrška, uključujući i prikladno grafičko sučelje, načinjeni su pomoću programskog paketa MATLAB. Opis, učenje i glavne karakteristike umjetnih neuronskih mreža prikazane su i detaljno opisane u uvodu, a zatim u nastavku slijedi prikaz i način učenja i rada zadane mreže.This paper deals with the functioning of artificial neural networks with error-back propagation whose goal is to square numbers. Generally neural networks belong to much wider area that is called artificial intelligence. The main characteristic of artificial neural networks is that they do not rely solely on deterministic mathematical procedures for which all inputs into the system may not be completely accurate so that it could work properly. In addition to the learning process in this paper, showing and testing the network carried out after the learning process, and the entire program support, including appropriate graphical interface, are made using the software package MATLAB. Description, teaching and main characteristics of artificial neural networks are shown and described in detail in the introduction. After that a presentation of the learning mode and the default operation network is given