Neuronové sítě za použití evolučních algoritmů pro učící proces

Ing. Lukáš SEDLÁK

Diplomová práce

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 metod učení neuronových sítí.

Abstract:

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 issue and analyze the results of comparison between the two methods of learning in neural networks.

Klíčová slova

SOMA, Diferenciální evoluce, neuronová síť, Perceptron, neuronová síť s dopředným šířením, Back propagation, Mathematica

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 8. 6. 2010

Identifikátor: 16464

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2010

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Magisterský studijní program / obor:
Inženýrská informatika / Informační technologie