Tato práce se zabývá otázkou syntézy umělých neuronových sítí na principu evolučního prohledávání. Základním úkolem je vytvořit algoritmus symbolické regrese na základě analytického programování, který bude schopen syntetizovat vhodné neuronové sítě. Hlavní motivací je automatizace této syntézy a nalezení dosud neznámých řešení. Práce obsahuje především teoretické rozkrytí problému, analýzu úspěšně syntetizovaných řešení a zdrojové kódy vytvořeného algoritmu a provedených experimentů na přiloženém CD.
Anotace v angličtině
This thesis deals with question of artificial neuron network synthesis using evolutionary searching principle. The very task was to create symbolic regression algorithm based on analytic programming able to synthesize suitable neuron network. Motivation could be seen in computerization of network synthesis and exploration of unknown solutions. The-sis is primarily concern with theoretical background, analysis of successful solutions and experiments. Source codes of used algorithm can be found on attached CD.
Tato práce se zabývá otázkou syntézy umělých neuronových sítí na principu evolučního prohledávání. Základním úkolem je vytvořit algoritmus symbolické regrese na základě analytického programování, který bude schopen syntetizovat vhodné neuronové sítě. Hlavní motivací je automatizace této syntézy a nalezení dosud neznámých řešení. Práce obsahuje především teoretické rozkrytí problému, analýzu úspěšně syntetizovaných řešení a zdrojové kódy vytvořeného algoritmu a provedených experimentů na přiloženém CD.
Anotace v angličtině
This thesis deals with question of artificial neuron network synthesis using evolutionary searching principle. The very task was to create symbolic regression algorithm based on analytic programming able to synthesize suitable neuron network. Motivation could be seen in computerization of network synthesis and exploration of unknown solutions. The-sis is primarily concern with theoretical background, analysis of successful solutions and experiments. Source codes of used algorithm can be found on attached CD.
Cílem práce je použít metody symbolické regrese na návrh struktury a učení neuronových sítí. Obsahem práce bude vytvoření programového kódu neuronových sítí a jejich následného použití v evolučním procesu. Jako metoda symbolické regrese bude použito analytické programování.
1. vypracovat přehled problematiky syntézy neuronových sítí
2. vybrat vhodné již řešené příklady
3. vypracovat alternativní řešení pomocí analytického programování a algoritmů SOMA, DE, SA a GA
4. provést závěr
Zásady pro vypracování
Cílem práce je použít metody symbolické regrese na návrh struktury a učení neuronových sítí. Obsahem práce bude vytvoření programového kódu neuronových sítí a jejich následného použití v evolučním procesu. Jako metoda symbolické regrese bude použito analytické programování.
1. vypracovat přehled problematiky syntézy neuronových sítí
2. vybrat vhodné již řešené příklady
3. vypracovat alternativní řešení pomocí analytického programování a algoritmů SOMA, DE, SA a GA
4. provést závěr
Seznam doporučené literatury
[1] ZELINKA, Ivan. Umělá inteligence I. Volume 1. Zlín : Vutium, Brno, 1998. 126 p. ISBN 80-214-1163-5.
[2] ZELINKA, Ivan, Umělá inteligence / kap.6 "Diferenciální evoluce", Academia, 33 p.
[3] Kvasnička V., Pospíchal J., Tiňo P. 2000, Evoluční algoritmy, STU Bratislava, ISBN 85-246-2000, 2000
[4] ZELINKA, Ivan, New Optimization Techniques in Engineering / kap.7 "SOMA - Self Organizingt Migrating Algorithm, Springer-Verlag
[5] Bose B.K., Liang P. 1996, Neural Network Fundamentals with Graphs, Algorithms, and Applications, McGraw-Hill Series in Electrical and Computer Engineering, ISBN 0-07-006618-3, 1996
[6] Masters T. 1993, Practical Neural Networks Recipes in C++, Academic Press, ISBN 0-12-479040-2, 1993
[7] Šnorek M., Jiřina M. 1996, Neuronové sítě a neuropočítače, ČVUT, ISBN 80-01-01455-X, 1996
[8] Bílá J. 1996, Umělá inteligence a neuronové sítě v aplikacích, ČVUT, ISBN 80-01-01275-1, 1996
[9] Zelinka I. 1998, Umělá inteligence I, VUT Brno, ISBN 80-214-1163-5, 1998
[10] Novák M., Faber J., Kufudaki O. 1993, Neuronové sítě a informační systémy živých organismů, Grada, ISBN 80-58424-95-9, 1993
Seznam doporučené literatury
[1] ZELINKA, Ivan. Umělá inteligence I. Volume 1. Zlín : Vutium, Brno, 1998. 126 p. ISBN 80-214-1163-5.
[2] ZELINKA, Ivan, Umělá inteligence / kap.6 "Diferenciální evoluce", Academia, 33 p.
[3] Kvasnička V., Pospíchal J., Tiňo P. 2000, Evoluční algoritmy, STU Bratislava, ISBN 85-246-2000, 2000
[4] ZELINKA, Ivan, New Optimization Techniques in Engineering / kap.7 "SOMA - Self Organizingt Migrating Algorithm, Springer-Verlag
[5] Bose B.K., Liang P. 1996, Neural Network Fundamentals with Graphs, Algorithms, and Applications, McGraw-Hill Series in Electrical and Computer Engineering, ISBN 0-07-006618-3, 1996
[6] Masters T. 1993, Practical Neural Networks Recipes in C++, Academic Press, ISBN 0-12-479040-2, 1993
[7] Šnorek M., Jiřina M. 1996, Neuronové sítě a neuropočítače, ČVUT, ISBN 80-01-01455-X, 1996
[8] Bílá J. 1996, Umělá inteligence a neuronové sítě v aplikacích, ČVUT, ISBN 80-01-01275-1, 1996
[9] Zelinka I. 1998, Umělá inteligence I, VUT Brno, ISBN 80-214-1163-5, 1998
[10] Novák M., Faber J., Kufudaki O. 1993, Neuronové sítě a informační systémy živých organismů, Grada, ISBN 80-58424-95-9, 1993
Přílohy volně vložené
1 CD
Přílohy vázané v práci
-
Převzato z knihovny
Ano
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Po přivítání předsedou komise student představil podstatu své diplomové práce. Prezentace byla v celku srozumitelná.
Dotazy k obhajobě:
- Vysvětlete specifikaci objektů při úkolu klasifikace.
- Jakým způsobem by jste omezil hloubku sítě při zachování její funkčnosti? (doc. Schwarz)
- Osvětlete více pojem necitlivosti a její hranice uváděný v DP. (doc. Zelinka)
- Naznačte možnosti využití uvedeného tématu. (doc. Švarc)
Student aktivně diskutoval s členy komise. Dále se přešlo k otázkám z dílčích předmětů.