Multilayer feedforward neural networks based on multi-valued neurons – Bc. Miroslav Hlaváček
Bc. Miroslav Hlaváček
Master's thesis
Multilayer feedforward neural networks based on multi-valued neurons
Multilayer feedforward neural networks based on multi-valued neurons
Anotácia:
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 …viacAbstract:
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 …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 26. 5. 2014
Identifikátor:
https://is.muni.cz/th/bf067/
Obhajoba závěrečné práce
- Obhajoba proběhla 24. 6. 2014
- Vedúci: Mgr. Marek Grác, Ph.D.
- Oponent: Igor Aizenberg, Ph.D.
Citační záznam
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsMaster programme / odbor:
Informatics / Artificial Intelligence and Natural Language Processing
Práce na příbuzné téma
-
GIS and Artificial Neural Network-Based Approach for Integrated Management in Costa Caparica, Portugal
Angeliki Peponi -
The analysis of drought indices forecast using neural networks
Anna Morozova -
Time Series Forecasting Using Machine Learning
Katarína Hertelová -
Visualization of hidden layers in convolutional neural networks
Jakub Hruška -
Simulation of Multiple Motile Agents Using Neural Networks
Branislav Ševc -
Applying AI methods to the inference of gene regulatory networks in neural differentiation
Ondrej Kužlík -
Action Detection in 3D Skeleton Data using LSTM Networks
Róbert Kolcún -
The Synthesis of Medical CT Data Using Generative Adversarial Networks and Diffusion Models
Mikuláš Bankovič