Pravděpodobnostní neuronové sítě pro speciální úlohy v elektromagnetismu
Loading...
Date
Authors
Koudelka, Vlastimil
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce pojednává o technikách behaviorálního modelování pro speciální úlohy v elektromagnetismu, které je možno formulovat jako problém aproximace, klasifikace, odhadu hustoty pravděpodobnosti nebo kombinatorické optimalizace. Zkoumané methody se dotýkají dvou základních problémů ze strojového učení a combinatorické optimalizace: ”bias vs. variance dilema” a NP výpočetní komplexity. Boltzmanův stroj je v práci navržen ke zjednodušování komplexních impedančních sítí. Bayesovský přístup ke strojovému učení je upraven pro regularizaci Parzenova okna se snahou o vytvoření obecného kritéria pro regularizaci pravděpodobnostní a regresní neuronové sítě.
The thesis deals with behavioural modelling techniques capable solving special tasks in electromagnetics which can be formulated as approximation, classification, probability estimation, and combinatorial optimization problems. Concept of the work lies in applying a probabilistic approach to behavioural modelling. Examined methods address two general problems in machine learning and combinatorial optimization: ”bias vs. variance dilemma” and NP computational complexity. The Boltzmann machine is employed to simplify a complex impedance network. The Parzen window is regularized using the Bayesian strategy for obtaining a model selection criterion for probabilistic and general regression neural networks.
The thesis deals with behavioural modelling techniques capable solving special tasks in electromagnetics which can be formulated as approximation, classification, probability estimation, and combinatorial optimization problems. Concept of the work lies in applying a probabilistic approach to behavioural modelling. Examined methods address two general problems in machine learning and combinatorial optimization: ”bias vs. variance dilemma” and NP computational complexity. The Boltzmann machine is employed to simplify a complex impedance network. The Parzen window is regularized using the Bayesian strategy for obtaining a model selection criterion for probabilistic and general regression neural networks.
Description
Keywords
behavioralní modelování, Boltzmanův stroj, kombinatorická optimalizace, zjednodušování impedanční sítě, Bayesovská regularizace, pravděpodobnostní neuronová síť, regresní neuronová síť, behavioural modelling, Boltzmann machine, combinatorial optimization, impedance network simplification, Bayesian regularization, probabilistic neural network, general regression neural network
Citation
KOUDELKA, V. Pravděpodobnostní neuronové sítě pro speciální úlohy v elektromagnetismu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Elektronika a sdělovací technika
Comittee
prof. Ing. Aleš Prokeš, Ph.D. (předseda)
prof. Ing. Jana Tučková, CSc. - oponentka (člen)
prof. Dr.-Ing. Hans Ludwig Hartnagel - oponent (člen)
prof. Dr.-Ing. Franko Küppers (člen)
doc. RNDr. Vojtěch Křesálek, CSc. (člen)
doc. Ing. Pavel Hazdra, Ph.D. (člen)
doc. Ing. Pavel Karban, Ph.D. (člen)
Date of acceptance
2014-02-24
Defence
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení