Alternativní techniky trénování vrstevnatých neuronových sítí

Bc. Jindřiška REISMÜLLEROVÁ

Master's thesis

Alternative Approaches to Layered Neural Network Training

Abstract:

Cílem této diplomové práce je navrhnout a implementovat novou techniku učení neuronových sítí alternativní k metodě backpropagation. Smyslem je zkusit navrhnout takovou metodu, která by lépe reflektovala skutečné biologické procesy centrální nervové soustavy živých organismů než technika backpropagation, čímž by se dosáhlo větší rychlosti učení i za cenu mírného snížení úspěšnosti učení neuronové sítě. Celé práci předchází důkladná analýza existujících řešení. Výsledkem by měla být implementace navrženého řešení a její porovnání s technikou backpropagation a dalšími existujícími technikami.

Abstract:

The main goal of this master's thesis is to design and implement an innovative technique of neural network training, an alternative to backpropagation. The idea is to design a method more corresponding to real biological processes of the central nervous system of living organisms, than the backpropagation technique is. This way, faster neural network training could be achieved even at the expense of mild decrease of training accuracy. The described process is preceded by a thorough analysis of existing solutions to the problem. The result of this thesis should be an implementation of the proposed technique and it's comparison with backpropagation and other existing techniques of neural network training.

Keywords

Zpětné šíření, neuronové sítě, neuron, perceptron, učení

Language used: Czech

Date on which the thesis was submitted / produced: 19. 5. 2022

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Kamil Ekštein, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Medical Informatics