|
| |
|
|
Metody umělé inteligence a jejich využití při predikci
Šerý, Lubomír ; Omelka, Marek (vedoucí práce) ; Krtek, Jiří (oponent)
Název práce: Metody umělé inteligence a jejich využití při predikci Autor: Lubomír Šerý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Ing. Marek Omelka, Ph.D., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V předložené práci studujeme část oboru umělé inteligence - přede- vším umělé neuronové sítě. Nejprve je představen koncept umělé neuronové sítě a srovnání s jeho biologickou předlohou. Poté srovnáváme neuronovou síť s něk- terými zobecněnými lineárními modely. Učení neuronové sítě představuje jeden ze stěžejních problému, a tak je mu věnována větší část této práce - především odhadům parametrů a specifickým výpočetním aspektům. V této části se pok- oušíme vnést pohled na vnitřní strukturu neuronové sítě a navrhnout vylepšení učícího algoritmu. Existuje mnoho nadstaveb, kterými lze vylepšit nebo obohatit základní model neuronové sítě, některé tyto nadstavby včetně kombinace s ge- netickými algoritmy jsou představeny v závěru této práce. Tuto práci uzavírají simulační příklady, v kterých se snažíme prověřit některé představené teoretické předpoklady a závěry. Hlavním simulačním příkladem je aplikace konceptu neu- ronové sítě na úlohu predikce počtu gólů v hokejových zápasech. Klíčová slova: Neuronová síť, Predikce, TwoStepNNL, Sport
|
|
|
Metody umělé inteligence a jejich využití při predikci
Šerý, Lubomír ; Omelka, Marek (vedoucí práce) ; Krtek, Jiří (oponent)
Název práce: Metody umělé inteligence a jejich využití při predikci Autor: Lubomír Šerý Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Ing. Marek Omelka, Ph.D., Katedra pravděpodobnosti a matematické statistiky Abstrakt: V předložené práci studujeme část oboru umělé inteligence - přede- vším umělé neuronové sítě. Nejprve je představen koncept umělé neuronové sítě a srovnání s jeho biologickou předlohou. Poté srovnáváme neuronovou síť s něk- terými zobecněnými lineárními modely. Učení neuronové sítě představuje jeden ze stěžejních problému, a tak je mu věnována větší část této práce - především odhadům parametrů a specifickým výpočetním aspektům. V této části se pok- oušíme vnést pohled na vnitřní strukturu neuronové sítě a navrhnout vylepšení učícího algoritmu. Existuje mnoho nadstaveb, kterými lze vylepšit nebo obohatit základní model neuronové sítě, některé tyto nadstavby včetně kombinace s ge- netickými algoritmy jsou představeny v závěru této práce. Tuto práci uzavírají simulační příklady, v kterých se snažíme prověřit některé představené teoretické předpoklady a závěry. Hlavním simulačním příkladem je aplikace konceptu neu- ronové sítě na úlohu predikce počtu gólů v hokejových zápasech. Klíčová slova: Neuronová síť, Predikce, TwoStepNNL, Sport
|
|
| |
host ::
RSS.