KASTNER, J. Evoluční návrh neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Vzhledem k výzkumnému charakteru práce, dosaženým výsledkům a kvalitě technické zprávy navrhuji hodnocení stupněm výborně.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Jedná se obtížnější výzkumné téma, které vycházelo z obdobných (diplomových!) prací a výzkumné činnosti realizované na UPSY. Zadání je nejen technicky obtížné (implementace kombinace evoluční optimalizace a návrhu hlubokých neuronových sítí), ale i výpočetně náročné. Pro menší testovací úlohu (klasifikace obrázků datové sady MNIST) bylo evolučně navrženo velmi kvalitní řešení. Kvalita technické zprávy překračuje obvyklé požadavky na bakalářskou práci. | ||
| Práce s literaturou | Student samostatně vyhledával odbornou literaturu a využíval ji. | ||
| Aktivita během řešení, konzultace, komunikace | Student byl během řešení projektu aktivní, konzultace probíhaly dle potřeby. Na konzultace byl student dobře připraven a samostatně navrhoval vhodná pokračování řešení projektu. | ||
| Aktivita při dokončování | Práce byla dokončena v mírném předstihu. Předfinální text práce byl konzultován, mé připomínky byly vesměs zapracovány. | ||
| Publikační činnost, ocenění | Není mi známo. |
Student splnil zadání, provedl rešerši potřebných témat a navrhl, implementoval a experimentálně ověřil metodu pro evoluční návrh architektury neuronových sítí. Vzhledem k náročnosti zadání navrhuji i přes mírné nedostatky souhrnné hodnocení stupněm B – velmi dobře.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Jedná se o obtížnější zadání vyžadující nastudování témat evolučních algoritmů (EA), neuronových sítí (NN) a problematiky návrhu NN za pomoci EA. Dále je potřeba navrhnout a implementovat metodu pro návrh architektury NN za pomoci EA a provést experimentální vyhodnocení na vybrané úloze z oblasti klasifikace. | ||
| Rozsah splnění požadavků zadání | Zadání bylo splněno. | ||
| Rozsah technické zprávy | Technická zpráva je rozsahem v obvyklém rozmezí. | ||
| Prezentační úroveň technické zprávy | 80 | Technická zpráva je vhodně členěna a postupně popisuje EA, NN a různé způsoby využití EA pro návrh NN. Následuje návrh a popis implementace metody pro automatický návrh architektury NN, a nakonec experimenty a závěr. Problematické je popisování teoretických základů nejenom na počátku technické zprávy, ale dále také v kapitolách zaměřených na návrh, implementaci, a dokonce i mezi výsledky v kapitole věnované experimentům. | |
| Formální úprava technické zprávy | 78 | Práce má z většiny vhodnou formální úpravu. Obrázky v práci jsou navíc ve vhodné vektorové podobě. Mezi nedostatky patří: Jednopísmenné předložky a spojky na koncích řádků. Často zbytečně velké obrázky. Někdy nadměrné užívání slova „tedy“. Nejasný obrázek 2.3. Využívání anglických pojmů místo patřičných českých překladů (např. lookup tabulka -> vyhledávací tabulka, cost funkce -> nákladová funkce, multikriteriální -> vícekriteriální). Občasné překlepy, chybějící tečky na koncích vět či nejasná/neúplná věta. Chybějící levá část rovnice 4.1. Užívání tečky místo čárky v desetinných číslech. | |
| Práce s literaturou | 80 | Použité zdroje jsou vhodně voleny a obsahují rozsáhlých 32 položek. Mírně problematické je samotné citování použitých zdrojů. To je často řešeno pomocí uvedení zdroje na začátku podkapitoly. Ve 2. kapitole „Evoluční algoritmy“ je tak uvedeno využití zdroje [7]. Součástí kapitoly 2 je ale také podkapitola 2.3 Kartézské genetické programování, které není ve zdroji [7] vůbec zmiňováno a není tedy jasné odkud prezentovaná fakta pocházejí. | |
| Realizační výstup | 75 | Technická zpráva popisuje experimenty provedené nad datovou sadou MNIST. Přičemž byly porovnány čtyři různá nastavení prezentované metody s různými nastaveními počtu rodičů, potomků a generací. Pro každé nastavení bylo provedeno pouze 14 nezávislých běhů omezujících statistickou významnost výsledků. Je to ovšem dáno vysokou výpočetní náročností experimentů. Samotné výsledky experimentů jsou bohužel prezentovány pomocí grafů 7.3 až 7.6, které zobrazují Pareto fronty získané z jednotlivých nezávislých běhů pro každé nastavení zvlášť. Tato reprezentace ale znesnadňuje porovnání jednotlivých variant mezi sebou. Zbylá část kapitoly na základě statistických testů a grafů 7.8 až 7.11 vyhodnocuje, že výsledky v podobě míry příspěvku jednotlivých Pareto front nemají normální rozdělení a mezi jednotlivými nastaveními není významný rozdíl. Prezentované vyhodnocení experimentů je velmi detailní. Je ale škoda, že se více nezabývá samotnými výsledky navržené metody. Práce alespoň prezentuje základní parametry vybraných nejpřesnějších neuronových sítí. Skripty jsou implementovány v jazyce Python. Kód je vhodně strukturovaný i komentovaný. | |
| Využitelnost výsledků | Výsledky práce potvrzují schopnost genetického programování navrhnout vhodnou architekturu neuronové sítě. Pro další využití výsledků by však bylo vhodné se zaměřit na hlubší ladění parametrů navržené metody a provést více nezávislých běhů. |
eVSKP id 154226