Neuronové sítě za použití evolučních algoritmů pro učící proces – Ing. Lukáš SEDLÁK
Ing. Lukáš SEDLÁK
Diplomová práce
Neuronové sítě za použití evolučních algoritmů pro učící proces
Neural Networks Trained by Evolutionary Algorithms \nl{}
Anotace:
Tato práce se zabývá otázkou srovnání klasických metod učení neuronových sítí a metod využívajících evolučních algoritmů, jako například SOMA nebo diferenciální evoluce. Hlavním úkolem této práce bylo vytvořit funkční modul v prostředí Mathematica pro učení neuronových sítí s využitím evolučních algoritmů. Práce obsahuje jak teoretický základ pro danou problematiku, tak analýzu výsledků srovnání obou …víceAbstract:
This paper deals with the question of comparison of classical methods used for training process of neural networks and methods using evolutionary algorithms such as SOMA or direrential evolution. The main task of this work was to create a functional module in the Mathematica environment for learning neural networks using evolutionary algorithms. The work contains both the theoretical basis for the …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 8. 6. 2010
Identifikátor:
16464
Obhajoba závěrečné práce
- Obhajoba proběhla 23. 6. 2010
Citační záznam
Jak správně citovat práci
SEDLÁK, Lukáš. Neuronové sítě za použití evolučních algoritmů pro učící proces. Zlín, 2010. diplomová práce (Ing.). Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky
Plný text práce
Právo: Autor si přeje zpřístupnit práci veřejnosti až od
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Univerzita Tomáše Bati ve Zlíně, Fakulta aplikované informatikyPlny text prace je k dispozici v elektronicke podobe
Univerzita Tomáše Bati ve Zlíně
Fakulta aplikované informatikyMagisterský studijní program / obor:
Inženýrská informatika / Informační technologie
Práce na příbuzné téma
-
Programová knihovna pro práci s umělými neuronovými sítěmi s akcelerací na GPU
Andrej Trnkóci -
Krátkodobá predikce spotřeby elektřiny s využitím umělé neuronové sítě
Daniel Pešek -
Algebraizace a parametrizace přechodových relací mezi strukturovanými objekty s aplikacemi v oblasti neuronových sítí
Bedřich Smetana -
Modelování oscilací neuronů s vyššími frekvencemi
Nikol Drongová -
Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Hana Mlčochová -
Učení neuronových sítí s použitím genetických algoritmů
Josef CZYŽ -
GUI prostředí pro neuronové sítě v softwaru Mathematica
Jiří ZATLOUKAL -
Animace činnosti umělé neuronové sítě v prostředí Mathematica
Tomáš VINKLER