|
|
Vrstevnaté neuronové sítě a vizualizace jejich struktury
Drobný, Michal ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Model vrstevnatých neuronových sítí je v současné době známý především díky svým univerzálním aproximačním schopnostem a již základní algoritmus zpětného šíření dává výsledky aplikovatelné v reálných problémech. Tato práce je věnována problematice vrstevnatých neuronových sítí, popisuje vybrané algoritmy pro adaptaci vah a prahů na základě předložených vzorů, především algoritmus zpětného šíření a algoritmus škálovaných konjugovaných gradientů, který řadíme mezi konvergenčně extrémně rychlé algoritmy druhého řádu. Součástí práce je také aplikace pro vizualizaci struktury vrstevnatých neuronových sítí implementující výše zmíněné algoritmy, jejíž řešení je navrženo s ohledem na její využití při výuce v oblasti umělé inteligence. První část práce je věnována úvodu do problematiky a popisu obou algoritmů, následuje stručné pojednání o dalších variantách algoritmů a jejich analýza. V další části je zdůvodněn výběr vhodného programovacího jazyka pro implementaci aplikace, stanovení cílů a popis implementačních prací. Závěrem jsou pak shrnuty výsledky rychlostního a implementačního porovnání implementovaných algoritmů s vybranou nekomerční implementací ENCOG.
|
|
|
Extrakce znalostí pomocí vrstevnatých neuronových sítí
Reitermanová, Zuzana
Název práce: Extrakce znalostí pomocí vrstevnatých neuronových sítí Autor: Zuzana Reitermanová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc. e-mail vedoucího: mrazova@ksi.ms.mff.cuni.cz Abstrakt: Model vrstevnatých neuronových sítí je známý především díky své univerzální aproximační schopnosti. Již základní algoritmus zpětného šíření dává výsledky použitelné v reálných aplikacích. Efektivní řešení složitých úloh by však mělo vyhovovat náročným požadavkům na rychlost procesu učení a na transparentní strukturu vytvořené sítě. Ta totiž souvisí s lepší schopností sítě zobecňovat extrahované znalosti a následně i se snazší in- terpretací funkce naučené sítě. Lepšího zobecňování lze dosáhnout použitím různých technik, jako je např. učení s nápovědou, prořezávání a analýza citlivosti. Mezi rychlé algoritmy učení pak patří metody konjugovaných gra- dientů. V první části této práce jsme shrnuli a navzájem porovnali výše zmíněné techniky. Následně jsme odvodili novou metodu, která v sobě spojuje výhody předchozích technik. Navržený algoritmus je inspirovaný extrémně rychlou metodou škálovaných konjugovaných gradientů....
|
|
|
Vrstevnaté neuronové sítě a vizualizace jejich struktury
Drobný, Michal ; Mrázová, Iveta (vedoucí práce) ; Kukačka, Marek (oponent)
Model vrstevnatých neuronových sítí je v současné době známý především díky svým univerzálním aproximačním schopnostem a již základní algoritmus zpětného šíření dává výsledky aplikovatelné v reálných problémech. Tato práce je věnována problematice vrstevnatých neuronových sítí, popisuje vybrané algoritmy pro adaptaci vah a prahů na základě předložených vzorů, především algoritmus zpětného šíření a algoritmus škálovaných konjugovaných gradientů, který řadíme mezi konvergenčně extrémně rychlé algoritmy druhého řádu. Součástí práce je také aplikace pro vizualizaci struktury vrstevnatých neuronových sítí implementující výše zmíněné algoritmy, jejíž řešení je navrženo s ohledem na její využití při výuce v oblasti umělé inteligence. První část práce je věnována úvodu do problematiky a popisu obou algoritmů, následuje stručné pojednání o dalších variantách algoritmů a jejich analýza. V další části je zdůvodněn výběr vhodného programovacího jazyka pro implementaci aplikace, stanovení cílů a popis implementačních prací. Závěrem jsou pak shrnuty výsledky rychlostního a implementačního porovnání implementovaných algoritmů s vybranou nekomerční implementací ENCOG.
|
|
|
Extrakce znalostí pomocí vrstevnatých neuronových sítí
Reitermanová, Zuzana
Název práce: Extrakce znalostí pomocí vrstevnatých neuronových sítí Autor: Zuzana Reitermanová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc. e-mail vedoucího: mrazova@ksi.ms.mff.cuni.cz Abstrakt: Model vrstevnatých neuronových sítí je známý především díky své univerzální aproximační schopnosti. Již základní algoritmus zpětného šíření dává výsledky použitelné v reálných aplikacích. Efektivní řešení složitých úloh by však mělo vyhovovat náročným požadavkům na rychlost procesu učení a na transparentní strukturu vytvořené sítě. Ta totiž souvisí s lepší schopností sítě zobecňovat extrahované znalosti a následně i se snazší in- terpretací funkce naučené sítě. Lepšího zobecňování lze dosáhnout použitím různých technik, jako je např. učení s nápovědou, prořezávání a analýza citlivosti. Mezi rychlé algoritmy učení pak patří metody konjugovaných gra- dientů. V první části této práce jsme shrnuli a navzájem porovnali výše zmíněné techniky. Následně jsme odvodili novou metodu, která v sobě spojuje výhody předchozích technik. Navržený algoritmus je inspirovaný extrémně rychlou metodou škálovaných konjugovaných gradientů....
|
host ::
RSS.