Přehled metod optimalizace struktury a učení neuronových sítí

DSpace Repository

Language: English čeština 

Přehled metod optimalizace struktury a učení neuronových sítí

Show simple item record

dc.contributor.advisor Vařacha, Pavel
dc.contributor.author Malinka, Marek
dc.date.accessioned 2010-07-18T08:09:32Z
dc.date.available 2010-07-18T08:09:32Z
dc.date.issued 2009-06-01
dc.identifier Elektronický archiv Knihovny UTB cs
dc.identifier.uri http://hdl.handle.net/10563/10785
dc.description.abstract Tato práce nejprve uvádí do problematiky popisem funkce a struktury umělých neuronových sítí. Dále je v hlavní části shrnutí metod optimalizace topologie a optimalizace učení především vícevrstvých umělých neuronových sítí perceptronovského typu s dopředným šířením. Jsou to metody jak heuristické a gradientní odvozené z klasických optimalizačních metod, tak evoluční odvozené z darwinovské teorie přirozeného vývoje. Součástí teoretické části je i rešerše klíčových použitých informačních zdrojů. V praktické části práce jsou konkrétní ukázky vybraných metod optimalizace na standardních tréninkových a testovacích datech benchmarku Proben1. V závěru je zhodnocení získaných teoretických poznatků a praktických výsledků. cs
dc.format 75 s. cs
dc.format.extent 1313231 bytes cs
dc.format.mimetype application/pdf cs
dc.language.iso cs
dc.publisher Univerzita Tomáše Bati ve Zlíně
dc.rights Práce není přístupná
dc.subject artificial neural network en
dc.subject feed-forward neural network en
dc.subject multilayer neural network en
dc.subject neural network topology en
dc.subject neural network learning en
dc.subject neural network optimization en
dc.subject Proben1 en
dc.subject umělá neuronová síť cs
dc.subject síť s dopředným šířením cs
dc.subject vícevrstvá neuronová síť cs
dc.subject topologie neuronové sítě cs
dc.subject učení neuronové sítě cs
dc.subject optimalizace neuronové sítě cs
dc.subject Proben1 cs
dc.title Přehled metod optimalizace struktury a učení neuronových sítí cs
dc.title.alternative View of topology optimization methods and learning optimization methods of neural networks en
dc.type bakalářská práce cs
dc.contributor.referee Jašek, Roman
dc.date.accepted 2009-06-18
dc.description.abstract-translated This thesis first describes the function and structure of neural network. Then it discusses topology optimization methods and learning optimization methods with artificial multilayer feed-forward neural networks. Among the discussed methods, the thesis deals with heuristic and gradient methods derived from the standard optimization methods, as well as with evolutionary methods based on Darwin's theory of natural selection. The theoretical part also contains an overview of used information sources. The practical part contains samples of optimization methods on standard training and testing benchmark Proben1 data. Furthermore, in the conclusion, theoretical findings and practical results are evaluated. en
dc.description.department Ústav aplikované informatiky cs
dc.description.result obhájeno cs
dc.parent.uri http://hdl.handle.net/10563/76 cs
dc.parent.uri http://hdl.handle.net/10563/220 cs
dc.thesis.degree-discipline Informační technologie cs
dc.thesis.degree-discipline Information Technologies en
dc.thesis.degree-grantor Tomas Bata University in Zlín. Faculty of Applied Informatics en
dc.thesis.degree-grantor Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky cs
dc.thesis.degree-name Bc. cs
dc.thesis.degree-program Engineering Informatics en
dc.thesis.degree-program Inženýrská informatika cs
dc.identifier.stag 12111
dc.date.assigned 2009-02-20
utb.result.grade B
local.subject učení (umělá inteligence) cs
local.subject machine learning en


Files in this item

Files Size Format View
malinka_2009_bp.pdfBlocked 1.252Mb PDF View/Open
malinka_2009_vp.doc 289.5Kb Microsoft Word View/Open
malinka_2009_op.doc 282Kb Microsoft Word View/Open

This item appears in the following Collection(s)

Show simple item record

Find fulltext

Search DSpace


Browse

My Account