ŠULÁK, M. Aplikace neuronových sítí v telekomunikacích [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2008.
Student měl za úkol testování schopnosti Hopfildovy neuronové sítě (HNS) řešit problém směrování. Cílem bylo testování úspěšnosti směrování na parametrech energetické funkce HNS. Student testování provedl, ale testovaných parametrů mohlo být více. Jinak k práci nemám zaseděnějších výhrad.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění zadání | A | 45/50 | |
| Aktivita během řešení a zpracování práce (práce s literaturou, využívání konzultací, atd.) | A | 20/20 | |
| Formální zpracování práce | A | 19/20 | |
| Využití literatury | A | 10/10 |
Využití neuronových sítí v moderních síťových prvcích je atraktivní a zároveň velice náročné téma. Pochopení vztahu mezi optimalizačními podmínkami řešeného problému a energetickou funkcí neuronové sítě je velice komplikované, a proto se mu student raději vyhnul. V práci uvádí pouze vztahy potřebné k vytvoření aplikace, která hledá nejkratší cestu ohodnoceným grafem, ale neuvádí, jak vytvořit odpovídající energetickou funkci, jak energetická funkce interpretuje daný optimalizační problém, ani jaká je její souvislost se stavy neuronové sítě. V práci by neměl chybět popis funkce Dijkstruova algoritmu, který je součástí výsledné aplikace a student jej používá k ověření správnosti výsledků neuronové sítě. Nedostatečný je také popis experimentu s dopřednou neuronovou sítí. Z popisu funkce navrženého algoritmu není zřejmé, které parametry jsou síti předkládány jako vzory ve fázi učení a co je výstupními hodnotami sítě - zda metrika navržené nejkratší cesty nebo jen označení portu, na který má být zpráva odeslána. U popisu experimentu s Hopfieldovou neuronovou sítí by bylo dobré popsat také jednotlivé kroky výpočtu stavů neuronové sítě. Z uvedených rovnic není postup výpočtu zřejmý. Pro větší názornost bych doporučil doplnit popis všech použitých algoritmů názornými obrázky a blokovými schématy, která názorněji vysvětlí jejich funkci. Interpretace výsledků práce je zcela v pořádku. Chybí pouze porovnání výsledků dosažených pomocí neuronové sítě a běžně používaného Dijkstrova algoritmu a také zhodnocení, zda má použití neuronových sítí v adaptivních směrovacích algoritmech smysl, popřípadě jaký objektivní přínos student v jejich použití vidí. Po formální stránce je práce v pořádku. Obsahuje velmi malé množství faktických chyb. Podstatným nedostatkem jsou pouze popisky os zobrazených grafů a citace na použitou literaturu při odvozování dynamiky neuronů a energetických optimalizačních funkcí. V zobrazovaných grafech student vynáší závislost počtu iterací potřebných k dosažení klidového stavu sítě na zvoleném parametru energetické funkce. Z popisků zobrazených grafů však není zřejmé, o který parametr se jedná. V kapitolách týkajících se vztahů dynamiky neuronů a použitých energetických funkcí je uvedeno několik zásadních matematických vztahů, které zde nejsou odvozeny. Není zde ani citována literatura, ze které student čerpal, takže není jasné, jak k těmto vztahům dospěl. Student splnil zadání v plném rozsahu. Téma práce je velice náročné a proto navrhuji i přes zmíněné nedostatky hodnotit práci známkou výborně (90 bodů).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Formální zpracování práce | B | 8/10 | Formální zpracování práce je veli dobré. |
| Splnění požadavků zadání | A | 20/20 | Zadání je splněno v plném rozsahu. |
| Odborná úroveň práce | B | 42/50 | Odborná úroveň práce je dobrá. Některých náročnějších témat týkajících se řešení práce se student dotýká raději okrajově. |
| Interpretace výsledků a jejich diskuse | A | 20/20 | Interpretace výsledků práce je zcela v pořádku. |
eVSKP id 14245