Hluboká neuronová síť

Deep neural network

Software

Navržený algoritmus hluboké neuronové sítě je zobecněním učícího algoritmu zpětného šíření chyby (BPA) na větší počet skrytých vrstev neuronové sítě (hloubka sítě), doplněný zároveň o algoritmus dopředného předučení (hloubkové učení) neuronové sítě na základě nad sebou vrstvených autokodérů. Hloubka sítě je v řádu desítek a více vrstev, pro trénování se používá algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem, např. pomocí autoenkodérů (učení bez učitele), a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Síť bude použita k odhadu spolehlivosti energetických zařízení.

The designed algorithm of deep neural network is a generalization of the back-propagation error (BPA) learning algorithm to a larger number of hidden layers of the neural network (network depth), complemented by a forward pre-learning (depth learning) neural network algorithm based on layered autocoders on top of each other. The depth of the network is in the order of tens of layers or more. A back-propagation algorithm is used to network training. The training is performed in two phases, i.e., first pretraining the network in the forward direction, e.g., using autoencoders (learning without a tutor), and then training the network in the backward direction (learning with a tutor), thus eliminating the damping of backpropagation error. The network will be used to estimate the reliability of power equipment.

Power equipment; Reliability; Artificial neural network; Deep neural network

Power equipment; Reliability; Artificial neural network; Deep neural network

Ústav elektroenergetiky, FEKT, VUT v Brně, Technická 12, Brno 61600

K využití výsledku jiným subjektem je vždy nutné nabytí licence

https://www.ueen.fekt.vut.cz/hluboka-neuronova-sit