Název:
Evoluční optimalizace konvolučních neuronových sítí
Překlad názvu:
Evolutionary Optimization of Convolutional Neural Networks
Autoři:
Roreček, Pavel ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2018
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Tato diplomová práce se zabývá problematikou neuronových sítí se zaměřením na sítě konvoluční (CNN) a evoluční optimalizací v kontextu neuronových sítí. Z existujících knihoven pro modelování CNN byla po analýze vybrána jedna konkrétní, a to Keras. Její funkcionalita je demonstrována na úlohách klasifikace obrázků. S využitím kartézského genetického programování byla navržena a implementována optimalizace CNN za účelem snížení složitosti výpočtu konvolučních vrstev. Dopady navržené optimalizace na chování CNN byly otestovány a vyhodnoceny v rámci případové studie.
This Master's Thesis is focused on the principles of neural networks, primarily convolutional neural networks (CNN). It introduces the evolutionary optimization in the context of neural networks. One of existing libraries devoted to the CNN design was chosen (Keras), analysed and used in image classification tasks. An optimization technique based on cartesian genetic programming that should reduce the complexity of CNN's computation was proposed and implemented. The impact of the proposed technique on CNN behaviour was evaluated in a case study.
Klíčová slova:
evoluční algoritmy; kartézské genetické programování; konvoluční neuronové sítě; Neuronové sítě; optimalizace; strojové učení; cartesian genetic programming; convolutional neural networks; evolution algorithms; machine learning; Neural networks; optimization
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/84889