Vízügyi Közlemények, 2023 (105. évfolyam)

2023 / 3. szám

94 Kozák—Fiala-Fehérváry—Benyhe-Mrekvci: Mélytanuló algoritmusok...

X:

X?

X,

X

W,

'*C\

\"\ Wn(n+1)

W\

■ /Km

/ / . ' 'K\

m>

w>

W *

fí :

N

ü;

F£.

G

j As // * //

_v

!/

V-►Ví

y2

H

n: rejtett rétegek száma

2. ábra. Elemi neuronokbái felépített többrétegű előrecsatolt mély neurális hálózat, ahol Xj a bemeneteket, Y: a kimeneteket, W pedig a két réteg közötti súlyokat jelöli (Tóth 2016)

A mintafelismerésben nagy sikerrel alkalmazott konvolúciós neurális hálózatok (Convolutional Neural Network, CNN) alapját Kunihiko Fukushima határozta meg 1979-ben (Fukushima 1980), melyet Yann LeCun sikerrel alkalmazta (.LeCun et al. 1989). A mély konvolúciós neurális hálózatok jellemzően két fő egységre bonthatók:

• az elsődlegesen reprezentáció tanulásért felelős konvolúciós (és ehhez kötődő) rétegekre,

• illetve a modellezést (pl. regresszió, osztályozás) végző teljes összeköttetésű rétegekre (3. ábra).

3. ábra. Mély konvulóciós neurális hálózat sematikus váza (Tóth 2016)