UŘÍDIL, M. Neuronové sítě: Experimentace s Aktivačními funkcemi [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Student velmi dobře uchopil problematiku a prokázal schopnost propojit teorii s experimentální činností. Oceňuji šíři a hloubku testovaných scénářů a aktivní přístup k řešení problému. Formální stránka práce by si zasloužila větší péči a důslednější jazykovou korekturu, nicméně věcný přínos, originalita experimentů a důkladná interpretace výsledků řadí práci mezi nadstandardní.
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Informace k zadání | Téma bakalářské práce se zaměřovalo na výzkum aktivačních funkcí v neuronových sítích v kontextu detekce anomálií, což je poměrně náročné zadání jak teoreticky, tak experimentálně. Student se musel seznámit s pokročilými principy strojového učení, jako jsou autoenkodéry, konvoluční sítě, výběr metrik a behaviorální analýza modelů. Práce částečně navazuje na obecně známé přístupy v oblasti neuronových sítí, avšak svým záběrem a kombinací různých datasetů (Yahoo S5, MNIST, CIFAR-10) a architektur šla nad rámec základního zadání. S dosaženými výsledky jsem spokojen — student otestoval široké spektrum aktivačních funkcí a prezentoval jejich chování v různých architekturách a úlohách. Závěry práce odpovídají známým poznatkům v oblasti, zároveň jsou podloženy vlastním experimentováním. Práce byla z časových důvodů odevzdána narychlo a některé části by si zasloužily větší formální dotažení, přesto považuji kvalitu za nadprůměrnou. | ||
| Práce s literaturou | Student aktivně vyhledával relevantní zdroje k tématu, včetně vědeckých článků, a správně je implementoval do teoretické části práce. Jeho schopnost syntetizovat poznatky z literatury a převést je do experimentálního návrhu byla velmi dobrá. V textu jsou zmíněny konkrétní odkazy na zdroje a výsledky z jiných studií, což ukazuje na snahu o ukotvení vlastních závěrů v širším kontextu. | ||
| Aktivita během řešení, konzultace, komunikace | Student byl po celou dobu řešení velmi aktivní, pravidelně konzultoval postup, plnil dohodnuté úkoly a měl zájem o hlubší pochopení fungování neuronových sítí. Zajímal se o detaily implementace a zpětně reflektoval získané výsledky. V konzultacích byl vždy připraven a iniciativní. | ||
| Aktivita při dokončování | Finální podoba práce vznikla poměrně rychle kvůli časovému tlaku, což se projevilo v méně důkladné formální stránce. Obsahově však byla práce dostatečně připravená, hlavní výsledky a analýzy byly zkonzultovány včas a student dokázal závěry své práce obhájit a zdůvodnit. | ||
| Publikační činnost, ocenění | Práce nebyla publikována ani oceněna v žádné soutěži. Neproběhlo ani zveřejnění softwaru ve formě open-source. Přesto výsledky mají potenciál být dále rozpracovány a případně publikovány, zejména ve formě porovnání aktivačních funkcí v rámci autoenkodérů a CNN pro anomálie. |
Práce vykazuje funkční implementaci a splňuje většinu požadavků zadání, avšak rezervy zůstávají v oblasti jazykové úpravy, stylistické srozumitelnosti a hloubky analytického zpracování výsledků. Navrhuji hodnotit stupněm C .
| Kritérium | Známka | Body | Slovní hodnocení |
|---|---|---|---|
| Náročnost zadání | Práce se zabývá experimentálním porovnáním aktivačních funkcí v neuronových sítích v oblasti detekce anomálií. Ačkoliv se nejedná o čistě výzkumný úloh, rozsah experimentů a nutnost hlubšího pochopení fungování neuronových sítí činí zadání obtížnějším. | ||
| Rozsah splnění požadavků zadání | Všechny body zadání byly splněny. | ||
| Rozsah technické zprávy | |||
| Prezentační úroveň technické zprávy | 61 | Kapitoly jsou logicky členěny, nicméně podkapitoly často přecházejí příliš rychle do dílčích detailů bez přehledného úvodu či shrnutí, což ztěžuje orientaci. Ve výsledku sice práce pokrývá všechny požadované aspekty, ale čtenář si často musí informace skládat sám. Text trpí opakováním informací, které se objevují v několika částech (např. význam aktivační funkce se opakuje ve více kapitolách téměř stejnými slovy). Dalším problémem je, že u mnoha obrázků (2.3-2.9, 2.12-2.18 a 4.5) chybí v hlavním textu jakýkoliv přímý odkaz. Objevují se pouze jako samostatné ilustrace bez kontextu. K popisu konkrétních testovaných neuronových sítí by bylo vhodné uvést i schémata pro lepší názornost. Text také často používá neurčité výrazy jako „as we said before“, „described above“ místo přesných křížových odkazů na konkrétní části. Celkově je prezentační úroveň práce podprůměrná – informace jsou sice obsaženy, ale jejich srozumitelnost a efektivní prezentace je slabá. | |
| Formální úprava technické zprávy | 56 | Práce obsahuje jazykově nevyrovnaný styl. Angličtina použitá v textu je na nízké úrovni a obsahuje řadu dlouhých a komplikovaných souvětí, kvůli kterým se text stává pro čtenáře obtížně srozumitelným. Text také trpí neidiomatickým vyjadřováním a hovorovými obraty. Formálně se v práci opakovaně vyskytuje nesprávné psaní odkazů na obrázky, rovnice a tabulky s malým písmenem („figure 3.1“, „equation 2.1“, „table 4.2“ apod.), což není v souladu s akademickými standardy. Použité zkratky (např. CNN, AUC, ROC, ReLU, RMSProp, AdaGrad aj.) nejsou při prvním výskytu vysvětleny, přestože jde o odborné termíny, které by měly být zavedeny formátem „plný název (zkratka)“. Autor také nepoužívá nezalomitelné mezery (např. před odkazy na literaturu). Typograficky vykazuje práce další nedostatky – např. poslední dva řádky úvodu jsou osamoceně umístěny na nové stránce, některé části textu jsou přerušeny nevhodně umístěným obrázkem. Popisky obrázků jsou formulovány nevhodně – většinou začínají stereotypně „Figure shows...“, což by mělo být přímo v textu. I přesto, že je práce psána v angličtině, části „Declaration“ a „Acknowledgment“ jsou ponechány v češtině, což narušuje jazykovou jednotnost celého dokumentu. | |
| Práce s literaturou | 84 | Práce čerpá z množství odborných zdrojů a přehled literatury je široký. Odkazy v textu jsou v souladu s normami, avšak v úvodu se vyskytují formulace bez výslovné citace a místy by byla citace vhodnější přímo u pojmu místo celého odstavce. | |
| Realizační výstup | 82 | Student implementoval dvě architektury (autoencoder a CNN), které byly úspěšně otestovány na více datasetech s různými aktivačními funkcemi. Kód je funkční a přehledně rozčleněn do modulů, ale zcela postrádá komentáře a dokumentaci, což výrazně snižuje jeho čitelnost a replikovatelnost. Experimenty byly pro každou funkci opakovány (3× pro autoencoder, 5× pro CNN) a výsledky zprůměrovány, nicméně chybí vyhodnocení rozptylu či statistické významnosti rozdílů. Výpočetní náročnost jednotlivých variant nebyla porovnána navzdory požadavku v zadání. Realizační část je tak funkční, ale bez hlubší analýzy a s nedostatečně popsaným technickým řešením. | |
| Využitelnost výsledků | Práce poskytuje komparativní analýzu aktivačních funkcí v oblasti detekce anomálií. I když se nejedná o aplikaci v konkrétním systému, má práce přínos pro budoucí experimenty. |
eVSKP id 162823