Evoluční návrh konvolučních neuronových sítí s využitím supersítě
Loading...
Date
Authors
Lamačka, Zbyněk
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá možnostmi automatizovaného návrhu a optimalizace konvolučních neuronových sítí (CNN) pomocí evolučních algoritmů s využitím konceptu neuroevoluce (NAS – Neural Architecture Search). NAS metody usnadňují práci architektům neuronových sítí a umožňují přístup k neuronovým sítím i lidem, kteří by se za běžných okolností k~nim nedostaly. Architektury, které vznikají automatizovanými metodami, jsou schopny překonat architektury, které byly vytvořeny zkušenými architekty. Tyto metody nejsou svázány konvenčními přístupy k návrhu, a proto mohou vznikat inovativní architektury. Cílem této práce je návrh a implementace metody neuroevoluce využívající supersíť. Koncept supersítě má za cíl proces automatického návrhu sítě zrychlit a zlevnit. Tato metoda bude vyhodnocena na základě architektur, které vygeneruje. Vyhodnocení architektur je prováděno na základě dvou kritérií – přesnost a složitost sítě. Pro vyhodnocování je použita datová sada ImageNet.
This work explores the possibilities of automated design and optimization of convolutional neural networks (CNNs) using evolutionary algorithms with the concept of Neural Architecture Search (NAS). NAS methods facilitate the work of neural network architects and allow access to neural networks by people who would not normally have access to them. Architectures that are created by automated methods are able to outperform architectures that were created by experienced architects. These methods are not bound by conventional design approaches, and therefore innovative architectures can emerge. The goal of this work is to design and implement a neuroevolutionary method using a supernetwork. The supernetwork concept aims to make the process of automatic network design faster and cheaper. This method will be evaluated based on the architectures it generates. The evaluation of the architectures considers two criteria -- accuracy and complexity of the network. The ImageNet dataset is used for the evaluation.
This work explores the possibilities of automated design and optimization of convolutional neural networks (CNNs) using evolutionary algorithms with the concept of Neural Architecture Search (NAS). NAS methods facilitate the work of neural network architects and allow access to neural networks by people who would not normally have access to them. Architectures that are created by automated methods are able to outperform architectures that were created by experienced architects. These methods are not bound by conventional design approaches, and therefore innovative architectures can emerge. The goal of this work is to design and implement a neuroevolutionary method using a supernetwork. The supernetwork concept aims to make the process of automatic network design faster and cheaper. This method will be evaluated based on the architectures it generates. The evaluation of the architectures considers two criteria -- accuracy and complexity of the network. The ImageNet dataset is used for the evaluation.
Description
Citation
LAMAČKA, Z. Evoluční návrh konvolučních neuronových sítí s využitím supersítě [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Strojové učení
Comittee
doc. Ing. Lukáš Burget, Ph.D. (předseda)
doc. RNDr. Pavel Smrž, Ph.D. (člen)
Ing. Zbyněk Křivka, Ph.D. (člen)
doc. Ing. František Zbořil, Ph.D. (člen)
Ing. František Grézl, Ph.D. (člen)
Ing. Vojtěch Mrázek, Ph.D. (člen)
Date of acceptance
2024-06-19
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení