|
|
Adaptace parametrů ve fuzzy systémech
Fic, Miloslav ; Jura, Pavel (oponent) ; Jirsík, Václav (vedoucí práce)
Diplomová práce se zabývá problematikou adaptace parametrů fuzzy systémů a to především umělými neuronovými sítě. V rešeršní části je proveden rozbor dosavadních metod spojujících fuzzy systémy a umělé neuronové sítě včetně uvedení zdrojů mezi studentskými pracemi. V kapitole aplikace metod je věnován prostor ověření klasifikační schopnosti zvolené metody fuzzy-neuronové sítě v Kohonenovým učením a následně návrhu modelu fuzzy systému na bázi této metody.
|
|
| |
|
|
Optimalizace síťového přepínače pomocí neuronové sítě
Lýsek, Jiří ; Krček, Petr (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá řešením problému prioritního síťového přepínače, jehož model byl vytvořen v prostředí C++. Úloha optimálního přepínání je řešena pomocí několika umělých neuronových sítí, které jsou popsány, navzájem porovnány, a je vyhodnoceno, která se pro daný problém hodí lépe. Výsledkem práce je model přepínače a srovnání časové náročnosti při řešení optimalizačního problému pomocí umělé neuronové sítě. Tato diplomová práce byla zpracována v rámci vědecko–výzkumného záměru MSM 0021630529 Inteligentní systémy v automatizaci.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Indoor robot - řídicí neuronová síť
Křepelka, Pavel ; Kopečný, Lukáš (oponent) ; Žalud, Luděk (vedoucí práce)
V dokumentu popisuji možnosti navigace mobilních robotů. Tato problematika je řešena mnoha různými přístupy, ovšem dodnes není zcela vyřešena. Naleznete zde popis jednoduchých deterministických algoritmů, které lze použít pro jednoduché akce, jako je objíždění překážek nebo jízda v koridoru. Pro globální navigace však deterministické algoritmy selhávají. Další částí dokumentu je teorie umělých neuronových sítí (perceptron, vícevrstvé sítě, samoorganizující se sítě) a jejich použití v robotice. Vlastní navigační algoritmy byly otestovány na vytvořeném mobilním robotu nebo v simulačním softwaru popsaným v kap. 6. Návrh vlastních řídících algoritmů je založen právě na neuronových sítích (Kohonenova mapa), ať už pro navigaci do jednoho cíle nebo komplexní globální navigaci. V dokumentu je uvedeno srovnání jednotlivých přístupů k navigaci, jejich výhody a nevýhody. Cílem bylo nalézt efektivní algoritmus pro navigaci a umělá inteligence se zdá být tím správným řešením.
|
|
|
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.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Jamborová, Soňa ; Řezníček, Ivo (oponent) ; Žák, Pavel (vedoucí práce)
Tato práce se zabývá návrhem softwaru pro segmentaci obrazu pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro segmentaci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k segmentaci obrazu.
|
|
|
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.
|
|
|
Neuronové sítě a jejich aplikace
Chaloupka, David ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Cílem této práce je podat ucelený pohled na nejznámější typy umělých neuronových sítí a možnosti jejich aplikací. Popsány jsou dopředné sítě s algoritmem učení zpětného šíření chyby, Hopfieldovy sítě a samoorganizující se sítě (Kohonenovy mapy). Ve druhé části práce je provedena demonstrace typických aplikací popsaných sítí a jsou diskutovány faktory ovlivňující úspěšnost těchto sítí při řešení zvolených problémů.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Jamborová, Soňa ; Řezníček, Ivo (oponent) ; Žák, Pavel (vedoucí práce)
Tato práce se zabývá návrhem softwaru pro segmentaci obrazu pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro segmentaci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k segmentaci obrazu.
|
host ::
RSS.