Ovaj rad se bavi tematikom neuronskih mreža od teoretskog aspekta pa sve do uspoređivanja konkretnih algoritama učenja. Preciznije, ovaj rad se dotiče fundamentalnih osnova i principa funkcioniranja neuronske mreže od umjetnog neurona preko aktivacijskih funkcija i mrežnih topologija pa sve do algoritama učenja. Naravno, postoje mnogi algoritmi koji su zaduženi za funkcioniranje neuronske mreže, ali mi ćemo u ovome radu fokus staviti na četiri algoritma učenja. Konkretno, usporedit ćemo performanse algoritma gradijentnog spusta, konjugiranog gradijentnog spusta, Quasi-Newton metode te Levenberg-Marquardt algoritma kao algoritama treniranja ili učenja neuronske mreže. Pritom je arhitektura neuronske mreže koju koristimo fiksna kako bi ostale...
Add to ORKG