Multilayer feedforward neural networks based on multi-valued neurons

Bc. Miroslav Hlaváček

Diplomová práce

Anotace:

Vícevrstvá dopředná neuronová síť s vícehodnotovými neurony (MLMVN) je model použitelný pro strojové učení schopný klasifikace (do více tříd) a aproximace funkcí. Výsledky dosahované s MLMVN jsou srovnatelné s nejlepšími známými nástroji strojového učení, jako například "support vector machines." Tato práce srovnává klasickou vícevrstvou neuronovou síť (často označována jako "multilayer perceptron") s MLMVN a odkrývá koncepty pro učení a práci s MLMVN. Nedílnou součástí této práce byla implementace nového simulátoru MLMVN použitelného jak pro výuku, tak pro aplikaci na reálné problémy.

Abstract:

Multilayer feedforward neural network with multi-valued neurons (MLMVN) is machine learning tool capable of multi-class classification and function approximation. MLMVN’s performance is comparable with, and in some cases outperforms, best machine learning tools utilized today like support vector machines. This work compares classical multilayer feedforward networks (often referred to as multilayer perceptrons) with MLMVN and reveals concepts behind learning of MLMVN and its utilization. Not negligible part of this work was implementation of new MLMVN simulator (PyMLMVN) which is intended for both real-world problems and educational purposes.

Keywords

multi-valued neuron, MVN, multilayer neural network with multi-valued neurons, MLMVN, CVNN, multilayer perceptron, neural networks, simulator, multi-valued logic, machine learning, neuronové sítě, strojové učení

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 26. 5. 2014

Obhajoba závěrečné práce

• Obhajoba proběhla 24. 6. 2014
• Vedoucí: Mgr. Marek Grác, Ph.D.
• Oponent: Igor Aizenberg, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka