GURECKÁ, H. Klasifikace dat s využitím umělých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2016.
Předložená bakalářská práce stručně představuje metody neuronových sítí v kontextu klasifikace (příp. identifikace) dat. V práci jsou představeny dopředné neuronoví sítě, model Hopfieldovy sítě a Kohonenův model (SOM) sítě. Studentka při naplňování praktické části cílů zadání využila Neural Network Toolbox / Matlab a na vhodné datové množině prezentovala diskutované metody. Práce je přes drobné nepřesnosti a překlepy dobře logicky členěná a využitelná jako podklad k studiu v dané oblasti. S přístupem studentky jsem byl spokojen. Konzultace, samostatnost, vlastní zapojení i motivace byla velmi dobrá. Věcný obsah práce shledávám bez zásadních připomínek. Minoritně bych přivítal větší množství testů i parametrizací řešení vhodných k vyvození dalších závěrů. Práci jednoznačně doporučuji k obhajobě a hodnotím známkou B/velmi dobře.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | C | ||
| Vlastní přínos a originalita | B | ||
| Schopnost interpretovat dosažené vysledky a vyvozovat z nich závěry | B | ||
| Využitelnost výsledků v praxi nebo teorii | A | ||
| Logické uspořádání práce a formální náležitosti | A | ||
| Grafická, stylistická úprava a pravopis | B | ||
| Práce s literaturou včetně citací | A | ||
| Samostatnost studenta při zpracování tématu | A |
Cílem práce bylo popsat metody umělých neuronových sítí, demonstrovat je na vybraných aplikacích a vyhodnotit výsledky. Zadání práce bylo splněno v celém rozsahu. V rešeršní části práce autorka popsala koncept neuronových sítí, algoritmus backpropagation pro dopřednou neuronovou síť, Hopfieldovu síť a Kohonenovy samoorganizační mapy. Autorka zde čerpala z několika zdrojů a ne vždy se jí podařilo tyto zdroje sladit. Na několika místech jsou chybné odkazy (např. u vzorce (29) nemá být [8] ale [3], u vzorce (30) ne [2] ale [3], přičemž vzorec je modifikován ještě podle [1], u vzorce (31) ne [12] ale [3]). Praktická část práce je věnována aplikacím výše popsaných neuronových sítí na vybrané problémy v prostředí Matlab a zhodnocení výsledků. Je možno konstatovat, že autorka se dobře vyrovnala se složitou problematikou neuronových sítí. Práce má dobrou úpravu a obsahuje jen malé množství překlepů či gramatických chyb. Nedostatkem je, že ne vždy jsou vektory a matice psány tučně a skaláry kurzívou. Někde se autorka také dopustila chybných či nepřesných formulací (např. ztotožnění pojmu okolí s jeho poloměrem).
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Splnění požadavků a cílů zadání | A | ||
| Postup a rozsah řešení, adekvátnost použitých metod | B | ||
| Vlastní přínos a originalita | C | ||
| Schopnost interpretovat dosaž. vysledky a vyvozovat z nich závěry | B | ||
| Využitelnost výsledků v praxi nebo teorii | B | ||
| Logické uspořádání práce a formální náležitosti | B | ||
| Grafická, stylistická úprava a pravopis | C | ||
| Práce s literaturou včetně citací | D |
eVSKP id 93030