Klasifikace dat s využitím umělých neuronových sítí

Abstract

Práce se zabývá neuronovými sítěmi využívanými ke klasifikaci dat. Teoretickou náplní práce je představení tří základních typů neuronových sítí využitelných ke klasifikaci dat. Těmito sítěmi jsou dopředná neuronová síť se zpětným šířením chyby, Hopfieldova síť s minimalizací energetické funkce a Kohonenova metoda samoorganizačních map. Ve druhé části práce jsou tyto algoritmy naprogramovány a testovány v prostředí Matlab. Na konci testování každé sítě jsou diskutovány výsledky.The thesis deals with neural networks used in data classification. The theoretical part presents the three basic types of neural networks used in data classification. These networks are feedforward neural network with backpropagation algorithm, the Hopfield network with minimization of energy function and the Kohonen’s method of self-organizing maps. In the second part of the thesis these algorithms are programmed and tested in Matlab environment. At the end of each network testing results are discussed.