|
|
Optimalizace síťového přepínače pomocí neuronové sítě
Lýsek, Jiří ; Krček, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá řešením problému prioritního síťového přepínače, jehož model byl vytvořen v prostředí C++. Úloha optimálního přepínání je řešena pomocí několika umělých neuronových sítí, které jsou popsány, navzájem porovnány, a je vyhodnoceno, která se pro daný problém hodí lépe. Výsledkem práce je model přepínače a srovnání časové náročnosti při řešení optimalizačního problému pomocí umělé neuronové sítě. Tato diplomová práce byla zpracována v rámci vědecko–výzkumného záměru MSM 0021630529 Inteligentní systémy v automatizaci.
|
|
|
Fuzzy neuronové sítě
González, Marek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce je věnována fuzzy neuronovým sítím. Protože se jedná o techniku kombinování fuzzy logiky s neuronovými sítěmi pro řešení nejrůznějších úloh z oblasti umělé inteligence, řízení či strojového učení, teoretická část práce se nejprve zabývá neuronovými sítěmi a fuzzy logikou odděleně. Po vysvětlení nezbytných základů je zbytek teoretické části zaměřen převážně na teorii fuzzy neuronových sítí, jejich klasifikaci a použití v praxi. Na základě popsané teorie jsou navrhnuty a implementovány fuzzy asociativní paměti, jejichž cílem je řešit úlohu klasifikace a úlohu z oblasti řízení. Na závěr jsou výsledné implementace a jejich výsledky zhodnoceny a porovnány s jinými přístupy k řešení zvolených úloh.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Aplikace neuronových sítí
Macůrek, Miloslav ; Jindra, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Bakalářská práce se zabývá problematikou neuronových sítí, a to konkrétně jejich historií, charakteristikou, základními typy neuronových sítí a učících algoritmů a analýzou jejich aplikačního nasazení, demonstrované na jednoduchých příkladech v softwaru MATLAB.
|
|
|
Aplikace neuronových sítí
Macůrek, Miloslav ; Jindra, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Bakalářská práce se zabývá problematikou neuronových sítí, a to konkrétně jejich historií, charakteristikou, základními typy neuronových sítí a učících algoritmů a analýzou jejich aplikačního nasazení, demonstrované na jednoduchých příkladech v softwaru MATLAB.
|
|
|
Klasifikace dat s využitím umělých neuronových sítí
Gurecká, Hana ; Dvořák, Jiří (oponent) ; Matoušek, Radomil (vedoucí práce)
Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Fuzzy neuronové sítě
González, Marek ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Práce je věnována fuzzy neuronovým sítím. Protože se jedná o techniku kombinování fuzzy logiky s neuronovými sítěmi pro řešení nejrůznějších úloh z oblasti umělé inteligence, řízení či strojového učení, teoretická část práce se nejprve zabývá neuronovými sítěmi a fuzzy logikou odděleně. Po vysvětlení nezbytných základů je zbytek teoretické části zaměřen převážně na teorii fuzzy neuronových sítí, jejich klasifikaci a použití v praxi. Na základě popsané teorie jsou navrhnuty a implementovány fuzzy asociativní paměti, jejichž cílem je řešit úlohu klasifikace a úlohu z oblasti řízení. Na závěr jsou výsledné implementace a jejich výsledky zhodnoceny a porovnány s jinými přístupy k řešení zvolených úloh.
|
|
|
Optimalizace síťového přepínače pomocí neuronové sítě
Lýsek, Jiří ; Krček, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá řešením problému prioritního síťového přepínače, jehož model byl vytvořen v prostředí C++. Úloha optimálního přepínání je řešena pomocí několika umělých neuronových sítí, které jsou popsány, navzájem porovnány, a je vyhodnoceno, která se pro daný problém hodí lépe. Výsledkem práce je model přepínače a srovnání časové náročnosti při řešení optimalizačního problému pomocí umělé neuronové sítě. Tato diplomová práce byla zpracována v rámci vědecko–výzkumného záměru MSM 0021630529 Inteligentní systémy v automatizaci.
|
host ::
RSS.