|
|
Úvod do tématu posloupností na střední škole knižní kultury podnětným způsobem
Bay, Petra ; Vondrová, Naďa (vedoucí práce) ; Kvasz, Ladislav (oponent)
Cílem diplomové práce je představit potenciál konstruktivistických přístupů ve výuce posloupností na střední škole a především úloh na zobecňování. Dočtete se o kritických místech v procesu zobecňování, která vzešla z mezinárodního výzkumu TIMSS a PISA, a na která je zaměřen výukový experiment. Problematika motivace k učení se matematice je nedílnou součástí práce, stejně jako je nedílnou součástí konstruktivistického přístupu k vyučování. V první a druhé kapitole je analýza školních kurikulárních dokumentů, odborných článků, učebnic a mezinárodních výzkumů TIMSS a PISA tvořící teoretický rámec pro výukový experiment. Základním východiskem pro výukový experiment je teorie generických modelů M. Hejného a jeho konstruktivistické přístupy ve vyučování matematice, které prezentuje třetí kapitola. Další kapitolu představuje výukový experiment a předexperiment, který je jádrem práce. Přináší návrhy, jak překonat kritická místa v procesu zobecňování a jak motivovat žáky k učení se matematice. Klíčová slova posloupnost, zobecňování, matematizace, motivace, přístupy k výuce, konstruktivismus
|
|
|
Artificial Neural Networks and Their Usage For Knowledge Extraction
Petříčková, Zuzana ; Mrázová, Iveta (vedoucí práce) ; Procházka, Aleš (oponent) ; Andrejková, Gabriela (oponent)
Název práce: Umělé neuronové sítě a jejich využití při extrakci znalostí Autor: RNDr. Zuzana Petříčková Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí disertační práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teo- retické informatiky a matematické logiky Abstrakt: Vrstevnaté neuronové sítě jsou známé především díky své schopnosti dobře zobecňovat a odhalit v datech i složité nelineární závislosti. Na druhé straně má tento model tendenci vytvářet poměrně složitou vnitřní strukturu, a to především pro rozsáhlé datové sady. Při efektivním řešení náročných úloh jsou proto kladeny vysoké nároky především na rychlost procesu učení, schopnost sítě zobecňovat a na vytvoření jednoduché a transparentní struktury modelu. V této práci jsme navrhli obecnou metodologii pro učení vrstevnatých neuro- nových sítí. Jejím základem je rychlá a robustní metoda škálovaných konjugo- vaných gradientů. Tento standardní algoritmus učení je rozšířen o analytické či aproximativní oslabování citlivosti a o vynucovaní kondenzované interní re- prezentace. Redundantní vstupní a skryté neurony jsou prořezávány pomocí technik založených na citlivostní analýze a interní reprezentaci znalostí....
|
|
|
Smoothness of Functions Learned by Neural Networks
Volhejn, Václav ; Musil, Tomáš (vedoucí práce) ; Straka, Milan (oponent)
Modern neural networks can easily fit their training set perfectly. Surprisingly, they generalize well despite being "overfit" in this way, defying the bias-variance trade-off. A prevalent explanation is that stochastic gradient descent has an implicit bias which leads it to learn functions that are simple, and these simple functions generalize well. However, the specifics of this implicit bias are not well understood. In this work, we explore the hypothesis that SGD is implicitly biased towards learning functions that are smooth. We propose several measures to formalize the intuitive notion of smoothness, and conduct experiments to determine whether these measures are implicitly being optimized for. We exclude the possibility that smoothness measures based on first derivatives (the gradient) are being implicitly optimized for. Measures based on second derivatives (the Hessian), on the other hand, show promising results. 1
|
|
|
Artificial Neural Networks and Their Usage For Knowledge Extraction
Petříčková, Zuzana ; Mrázová, Iveta (vedoucí práce) ; Procházka, Aleš (oponent) ; Andrejková, Gabriela (oponent)
Název práce: Umělé neuronové sítě a jejich využití při extrakci znalostí Autor: RNDr. Zuzana Petříčková Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí disertační práce: doc. RNDr. Iveta Mrázová, CSc., Katedra teo- retické informatiky a matematické logiky Abstrakt: Vrstevnaté neuronové sítě jsou známé především díky své schopnosti dobře zobecňovat a odhalit v datech i složité nelineární závislosti. Na druhé straně má tento model tendenci vytvářet poměrně složitou vnitřní strukturu, a to především pro rozsáhlé datové sady. Při efektivním řešení náročných úloh jsou proto kladeny vysoké nároky především na rychlost procesu učení, schopnost sítě zobecňovat a na vytvoření jednoduché a transparentní struktury modelu. V této práci jsme navrhli obecnou metodologii pro učení vrstevnatých neuro- nových sítí. Jejím základem je rychlá a robustní metoda škálovaných konjugo- vaných gradientů. Tento standardní algoritmus učení je rozšířen o analytické či aproximativní oslabování citlivosti a o vynucovaní kondenzované interní re- prezentace. Redundantní vstupní a skryté neurony jsou prořezávány pomocí technik založených na citlivostní analýze a interní reprezentaci znalostí....
|
|
|
Úvod do tématu posloupností na střední škole knižní kultury podnětným způsobem
Bay, Petra ; Vondrová, Naďa (vedoucí práce) ; Kvasz, Ladislav (oponent)
Cílem diplomové práce je představit potenciál konstruktivistických přístupů ve výuce posloupností na střední škole a především úloh na zobecňování. Dočtete se o kritických místech v procesu zobecňování, která vzešla z mezinárodního výzkumu TIMSS a PISA, a na která je zaměřen výukový experiment. Problematika motivace k učení se matematice je nedílnou součástí práce, stejně jako je nedílnou součástí konstruktivistického přístupu k vyučování. V první a druhé kapitole je analýza školních kurikulárních dokumentů, odborných článků, učebnic a mezinárodních výzkumů TIMSS a PISA tvořící teoretický rámec pro výukový experiment. Základním východiskem pro výukový experiment je teorie generických modelů M. Hejného a jeho konstruktivistické přístupy ve vyučování matematice, které prezentuje třetí kapitola. Další kapitolu představuje výukový experiment a předexperiment, který je jádrem práce. Přináší návrhy, jak překonat kritická místa v procesu zobecňování a jak motivovat žáky k učení se matematice. Klíčová slova posloupnost, zobecňování, matematizace, motivace, přístupy k výuce, konstruktivismus
|
host ::
RSS.