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 |