<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=128183"><dc:title>Učenje nevronskih mrež s približnimi množilniki</dc:title><dc:creator>Kristan,	Matej	(Avtor)
	</dc:creator><dc:creator>Lotrič,	Uroš	(Mentor)
	</dc:creator><dc:subject>nevronska mreža</dc:subject><dc:subject>večslojni perceptron</dc:subject><dc:subject>učenje</dc:subject><dc:subject>fiksna vejica</dc:subject><dc:subject>približni množilnik</dc:subject><dc:description>V magistrski nalogi realiziramo nevronsko mrežo večslojni perceptron in štiri različne učne algoritme. Nevronska mreža in učni algoritmi so modularni kar pomeni, da lahko preminjamo format realnih števil s katerimi računajo. Spreminjamo lahko med plavajočo vejico in fiksno vejico. Pri fiksni vejici nastavimo širino operandov, določimo položaj binarne vejice in izberemo množilnik s katerim izračunamo vse produkte. S fiksno vejico in s približnimi množilniki simuliramo učenje nevronskih mrež na manj zmogljivi strojni opremi. Pri fiksni vejici so vse aritmetične operacije realizirane tako, da so enostavno izvedljive s strojno opremo. Med seboj primerjamo delovanje različnih učnih algoritmov, pri različnih formatih in pri uporabi različnih množilnikov. Delovanje primerjamo s tremi različnimi nabori podatkov, od tega sta dva nabora iz zbirke Proben1 [1], tretji pa je nabor MNIST [2]. Primerjava je pokazala, da je najbolj primeren učni algoritem, za učenje nevronskih mrež na manj zmogljivi strojni opremi, metoda najstrmejšega sestopa.</dc:description><dc:date>2021</dc:date><dc:date>2021-07-05 14:55:00</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>128183</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>