Original title:
Geometrické algebry a neuronové sítě
Translated title:
Geometric algebras and neural networks
Authors:
Zapletal, Jakub ; Procházková, Jana (referee) ; Vašík, Petr (advisor) Document type: Master’s theses
Year:
2023
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta strojního inženýrství Abstract:
[cze][eng]
Tato práce se zabývá využitím geometrických algeber v oboru neuronových sítí. Nejprve je představena konformní geometrická algebra (CGA) a geometrická algebra pro kuželosečky (GAC) a jejich implementace v jazyce Python. Poté je popsáno fungování neuronových sítí včetně vysvětlujícího příkladu. Obě témata jsou nakonec propojena užitím příslušné knihovny v jazyce Python a na několika příkladech jsou demonstrovány možnosti geometrických algeber pro různé modely neuronových sítí.
This thesis deals with the use of geometric algebras in the field of neural networks. First, Conformal Geometric Algebra (CGA) and Geometric Algebra for Conics (GAC) and their Python implementations are introduced. The functioning of neural networks is then described, including an explanatory example. Finally, both topics are connected by using the appropriate library in the Python language, and the possibilities of geometric algebras for different models of neural networks are demonstrated on several examples.
Keywords:
conformal geometric algebra; geometric algebra; geometric algebra for conics; loss function; machine learning; neural network; Python; geometrická algebra; geometrická algebra pro kuželosečky; konformní geometrická algebra; neuronová síť; Python; strojové učení; ztrátová funkce
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/213364