|
|
Kohonenova síť
Fic, Miloslav ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce se zabývá problematikou samoorganizujících neuronových sítí a jejich učícím mechanismem. Je rozebráno učení, aktivace a aplikace Kohonenovy sítě. Část bakalářské práce je věnována programu Kohonenovy neuronové sítě. Praktická část práce obsahuje citlivostní analýzu výsledného stavu sítě na učící parametry a jejich vliv na průběh učení. Na zvolených variacích parametrů učení je zkoumán vliv počátečního nastavení vah na výslednou „pozici“ vítězných neuronů.
|
|
|
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.
|
|
|
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.
|
|
|
Kohonenova síť
Fic, Miloslav ; Hynčica, Tomáš (oponent) ; Jirsík, Václav (vedoucí práce)
Bakalářská práce se zabývá problematikou samoorganizujících neuronových sítí a jejich učícím mechanismem. Je rozebráno učení, aktivace a aplikace Kohonenovy sítě. Část bakalářské práce je věnována programu Kohonenovy neuronové sítě. Praktická část práce obsahuje citlivostní analýzu výsledného stavu sítě na učící parametry a jejich vliv na průběh učení. Na zvolených variacích parametrů učení je zkoumán vliv počátečního nastavení vah na výslednou „pozici“ vítězných neuronů.
|
host ::
RSS.