Testing a General-Purpose Neural Network on Different Databases
Main Article Content
Abstract
We tested a feedforward, fully connected neural network with two hidden layers on several databases. The purpose of the test is to determine with what percentage of errors the given system is able to predict the expected values from the input data, and whether it is suitable for predicting practical tasks. The system with a graphical interface developed in the Python script language can be flexibly parameterized, and the size and structure of the network can be changed, so it can be adapted to the examination of databases of different sizes.
Downloads
Article Details
References
Altrichter M., Horváth G., Pataki B., Strausz Gy., Takács G., Valyon J. (2007): Neurális hálózatok. Panem Könyvkiadó. Budapest.
Chen, G. (2016): A gentle tutorial of recurrent neural network with error backpropagation. arXiv preprint arXiv:1610.02583. https://doi.org/10.48550/arXiv.1610.02583
Chollet, F. (2021): Deep learning with Python. Simon and Schuster. <https://www.simonandschuster.com/books/Deep-Learning-with-Python/Francois-Chollet/9781617294433> (2022.10.10.)
Dua, D., Graff, C. (2019): UCI Machine Learning Repository. Irvine, CA: University of California, School of Information and Computer Science. <http://archive.ics.uci.edu/ml> (2022.11.20)
Fazekas I. (2013): Neurális hálózatok. Debreceni Egyetem Informatikai Kar. Debrecen.
Kis K. (2006): A társadalmi tőke, mint a társadalmi és gazdasági folyamatokat befolyásoló erőforrás. Agrártudományi Közlemények (Acta Agraria Debreceniensis), (20): 69–73. https://doi.org/10.34101/actaagrar/20/3157
Kis K. (2013): Vidékgazdaság, erőforrások, infrastruktúra rendszerszemléletben. In: Veres L. (szerk.): Regionális földrajzi tanulmányok: Abonyiné Dr. Palotás Jolán 70. születésnapja tiszteletére. Egyesület Közép-Európa Kutatására, Szeged. 109–120.
Freedman, R. S. (2019): Visual Backpropagation. arXiv preprint arXiv:1906.04011.
https://doi.org/10.48550/arXiv.1906.04011
Raschka, S., Mirjalili, V. (2019): Python Machine Learning - Third Edition. Packt Publishing. < https://github.com/packtpublishing/python-machine-learning> (2022.10.05.)
Scharnitzky V. (1993): Vektorgeometria és lineáris algebra. Nemzeti Tankönyvkiadó. Budapest.
Smola, A., Vishwanathan, S. V. N. (2008): Introduction to machine learning. Cambridge University Press. UK.
Summerfield, M. (2009): Python 3 programozás - Átfogó bevezetés a Python nyelvbe. Kiskapu Kiadó.
Tóth L., Drósz T. (2017): Mesterséges Neuronhálók és alkalmazásaik. Szegedi Tudományegyetem, Szeged. <https://www.inf.u-szeged.hu/~tothl/ann/Neuronhalok-egyben.pdf> (2022.09.15.)
Zsótér Brigitta (2007): A Hotel Nonius szolgáltatásait igénybe vevők földrajzi megoszlása. Agrár- és Vidékfejlesztési Szemle 2 (2): 201–206.
Zsótér B. (2017): Financial planning in connection with accomodation development in a sport centre. Quaestus Multidisciplinary Research Journal, 4 (11): 172–177.
Zsótér B., Kaliczka Renáta (2014): Examinations carried out in relation to the shopping habits and satisfaction of costumers in the shops of Coop Szeged Ltd. Review of Faculty of Engineering Analecta Technica Szegedinensia, 8 (1): 38–41.