Umělé neuronové sítě a jejich aplikace – Bc. Aleksandr Podyablonskiy
Bc. Aleksandr Podyablonskiy
Bachelor's thesis
Umělé neuronové sítě a jejich aplikace
Artificial Neural Networks and their Applications
Abstract:
Cílem této bakalářské práce je zkoumání příležitostí umělých neuronových sítí, aktuálního stavu technologie a možnosti jejich využití v praxi. V první části jsou definovány umělé neuronové sítě, porovnány s biologickými sítěmi a procesory osobních počítačů. Také je popsáno rozdělení na hlavní typy a podán stručný popis každé třídy. Ve druhé části se popisuje proces učení neuronové sítě, podrobně jsou …moreAbstract:
The aim of this bachelor thesis is to explore the opportunities of artificial neural networks, the current state of technology and their use in practice. The first part defines the artificial neural network, compared with biological networks and processors of personal computers. Also describes a division of the main types and a brief description of each class. The second part describes the process …more
Language used: Czech
Date on which the thesis was submitted / produced: 29. 4. 2013
Identifier:
https://is.ambis.cz/th/ml6jt/
Thesis defence
- Date of defence: 10. 6. 2013
- Supervisor: Ing. Vladimír Beneš, Ph.D.
- Reader: doc. Ing. Vít Fábera, Ph.D.
Citation record
ISO 690-compliant citation record:
PODYABLONSKIY, Aleksandr. \textit{Umělé neuronové sítě a jejich aplikace}. Online. Bachelor's thesis. Praha: The College of Regional Development and Banking Institute - AMBIS, a.s. 2013. Available from: https://theses.cz/id/qdkrsr/.
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Vysoká škola regionálního rozvoje a Bankovní institut – AMBISBanking Institute/College of Banking
Bachelor programme / field:
Banking / Information Technologies
Theses on a related topic
-
Text classification with artificial neural networks
Anouk Wilstra -
Artificial Neural Networks in Space of Stock Returns: Volatility Prediction
Šimon Škorňa -
Interpretation of artificial neural networks for image recognition
Alexey Ulyanin -
Gradient Boosting Machine and Artificial Neural Networks in R and H2O
Juraj Sabo -
Krátkodobá predikce spotřeby elektřiny s využitím umělé neuronové sítě
Daniel Pešek -
Umělá inteligence, neuronové sítě a lidský mozek
Kateryna Ushanova -
Návrh generativní kompetitivní neuronové sítě pro generování umělých EKG záznamů
Martin Šagát -
Trénování neuronové sítě
Gennadij Strionov