Neuronové sítě za použití evolučních algoritmů pro učící proces

Sedlák, Lukáš

Neuronové sítě za použití evolučních algoritmů pro učící proces

DSpace Repository

Language: English čeština

Neuronové sítě za použití evolučních algoritmů pro učící proces

dc.contributor.advisor	Oplatková, Zuzana
dc.contributor.author	Sedlák, Lukáš
dc.date.accessioned	2010-07-20T04:29:35Z
dc.date.available	2010-07-20T04:29:35Z
dc.date.issued	2010-06-08
dc.identifier	Elektronický archiv Knihovny UTB	cs
dc.identifier.uri	http://hdl.handle.net/10563/13893
dc.description.abstract	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.	cs
dc.format	68 s., 1 s. příloh	cs
dc.format.extent	2265782 bytes	cs
dc.format.mimetype	application/pdf	cs
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	SOMA	en
dc.subject	Diferential evolution	en
dc.subject	neural network	en
dc.subject	Perceptron	en
dc.subject	Feed forward neural network	en
dc.subject	Back propagation	en
dc.subject	Mathematica	en
dc.subject	SOMA	cs
dc.subject	Diferenciální evoluce	cs
dc.subject	neuronová síť	cs
dc.subject	Perceptron	cs
dc.subject	neuronová síť s dopředným šířením	cs
dc.subject	Back propagation	cs
dc.subject	Mathematica	cs
dc.title	Neuronové sítě za použití evolučních algoritmů pro učící proces	cs
dc.title.alternative	Neural Networks Trained by Evolutionary Algorithms	en
dc.type	diplomová práce	cs
dc.contributor.referee	Volná, Eva
dc.date.accepted	2010-06-23
dc.description.abstract-translated	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.	en
dc.description.department	Ústav automatizace a řídicí techniky	cs
dc.description.result	obhájeno	cs
dc.parent.uri	http://hdl.handle.net/10563/91	cs
dc.parent.uri	http://hdl.handle.net/10563/220	cs
dc.thesis.degree-discipline	Informační technologie	cs
dc.thesis.degree-discipline	Information Technologies	en
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-program	Engineering Informatics	en
dc.thesis.degree-program	Inženýrská informatika	cs
dc.identifier.stag	16464
dc.date.assigned	2010-02-19
utb.result.grade	C
local.subject	neuronové sítě (počítačová věda)	cs
local.subject	neural networks	en
local.subject	learning systems	en