Abstract:
Teza de faţă abordează tematica rețelelor neuronale axându-se în special pe eficienţa neuronului cu ponderi numere complexe şi funcție periodică de activare (MVN-P). Pe parcursul acestei teze s-a propus o nouă tehnică de căutare şi selecție a sectorului (soluției) corect pentru MVN-P, în timpul învăţării. Utilizând această tehnică de căutare s-au obținut rezultate îmbunătățite din punct de vedere al timpului de învățare (respectiv numărul de epoci/iterații). Următorul pas al studiului l-a constituit integrarea MVN-P într-o RN multi-strat (MLMVN-P). În vederea realizării acestui obiectiv s-a construit o RN cu arhitectură reglabilă, care înglobează pe stratul de ieșire un singur MVN-P. Pe stratul de intrare, respectiv pe straturile ascunse s-au utilizat MVN. Rezultatele obținute sunt încurajatoare, observându-se îmbunătățiri comparativ cu situația utilizării unui singur MVN-P. În paralel cu integrarea MVN-P într-o MLMVN-P, s-a dorit determinarea periodicității optime a posibilelor sectoare/soluții în momentul învățării MVN-P. Sa observat că un număr prea mare sau prea mic de sectoare influențează negativ procesul de învățare. S-a dorit astfel identificarea unei plaje comune de valori pentru parametrul "periodicitate", valori pentru care procesul de învățare converge mai repede.
