Přístupy učení neuronových sítí s nevyrovnaným datasetem

Simple item page
but.committeeprof. Ing. Martin Augustynek, Ph.D. (předseda) Ing. Martin Mézl, Ph.D. (místopředseda) MUDr. Tibor Stračina, Ph.D. (člen) Ing. Markéta Jakubíčková, Ph.D. (člen) Ing. Martin Králík (člen) Ing. Radovan Smíšek, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Dr. Mézl položil otázku jak konkrétně je zašuměn obraz v prezentaci. Lišili by se výsledky pro klasifikaci do více tříd? Dr. Stračina položil otázku jaká by byla praktická využitelnost prezentované práce? Studentka odpověděla na otázky členů komise a oponenta. Studentka obhájila bakalářskou práci.cs
but.jazykslovenština (Slovak)
but.programBiomedicínská technika a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorJakubíček, Romansk
dc.contributor.authorTomančeková, Veronikask
dc.contributor.refereeŘedina, Richardsk
dc.date.created2023cs
dc.description.abstractPráca sa zaoberá rešeršou a implementáciou metód, ktoré eliminujú vplyv nevyrovnaného datasetu na učenie neurónových sietí. Jednotlivé metódy sú porovnané medzi sebou pre rôzne úrovne nevyrovnanosti. Experimenty realizované v práci sú taktiež porovnané s dostupnou literatúrou a kontrolným experimentom, ktorý bol realizovaný bez metódy eliminácie vplyvu nevyrovnaného datasetu na učenie neurónových sietí. Experimenty sú následne rozšírené na ďalší dataset, kde sú porovnané pre originálnu nevyrovnanosť nachádzajúcu sa v datasete. V teoretickej časti je priblížená téma neurónových sietí a problémy, ktoré sa môžu vyskytnúť pri učení. Následne sú priblížené konvolučné siete a ich optimalizačné algoritmy. Práca ďalej obsahuje bližšie spracovanú problematiku nevyrovnaného datasetu, vrátane používaných metrík a prístupov, ktoré umožňujú elimináciu tohto problému.sk
dc.description.abstractThis thesis deals with the research and implementation of methods that eliminate the influence of an imbalanced dataset on the learning of neural networks. Individual methods are compared with each other for different levels of imbalance. The experiments carried out in the work are also compared with the available literature and a control experiment, which was carried out without the method of eliminating the influence of an imbalanced dataset. The experiments are extended to another dataset containing the original imbalance and compared. In the theoretical section, the topic of neural networks and the problems that may occur during learning are brought up. Subsequently, convolutional networks and their optimization algorithms are presented. The thesis also contains a more detailed presentation of the issue of an imbalanced dataset, including the metrics used in experiments and approaches used to eliminate this problem.en
dc.description.markAcs
dc.identifier.citationTOMANČEKOVÁ, V. Přístupy učení neuronových sítí s nevyrovnaným datasetem [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other150835cs
dc.identifier.urihttp://hdl.handle.net/11012/210845
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectNeurónové sietesk
dc.subjectNevyrovnaný datasetsk
dc.subjectVážená vzájomná entropiask
dc.subjectDátová augmentáciask
dc.subjectSMOTEsk
dc.subjectNáhodné prevzorkovanie.sk
dc.subjectNeural networksen
dc.subjectImbalanced dataseten
dc.subjectWeighted cross entropy lossen
dc.subjectData augmentationen
dc.subjectSMOTEen
dc.subjectRandom weighted oversampling.en
dc.titlePřístupy učení neuronových sítí s nevyrovnaným datasetemsk
dc.title.alternativeImbalanced data training approaches in neural networken
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-06-14cs
dcterms.modified2023-06-16-08:34:01cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid150835en
sync.item.dbtypeZPen
sync.item.insts2025.03.17 16:27:24en
sync.item.modts2025.01.16 00:12:19en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
21.11 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
4.18 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_150835.html
Size:
4.35 KB
Format:
Hypertext Markup Language
Description:
file review_150835.html
Download
Collections
2023