but.committee	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)	cs
but.jazyk	angličtina (English)
but.program	Elektrotechnika a komunikační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Raida, Zbyněk	en
dc.contributor.author	Koudelka, Vlastimil	en
dc.contributor.referee	Tučková,, Jana	en
dc.contributor.referee	Hartnagel, Hans Ludwig	en
dc.date.created	2014	cs
dc.description.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.	en
dc.description.abstract	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.	cs
dc.description.mark	P	cs
dc.identifier.citation	KOUDELKA, V. Pravděpodobnostní neuronové sítě pro speciální úlohy v elektromagnetismu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.	cs
dc.identifier.other	72666	cs
dc.identifier.uri	http://hdl.handle.net/11012/28242
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	behavioralní modelování	en
dc.subject	Boltzmanův stroj	en
dc.subject	kombinatorická optimalizace	en
dc.subject	zjednodušování impedanční sítě	en
dc.subject	Bayesovská regularizace	en
dc.subject	pravděpodobnostní neuronová síť	en
dc.subject	regresní neuronová síť	en
dc.subject	behavioural modelling	cs
dc.subject	Boltzmann machine	cs
dc.subject	combinatorial optimization	cs
dc.subject	impedance network simplification	cs
dc.subject	Bayesian regularization	cs
dc.subject	probabilistic neural network	cs
dc.subject	general regression neural network	cs
dc.title	Pravděpodobnostní neuronové sítě pro speciální úlohy v elektromagnetismu	en
dc.title.alternative	Probabilistic Neural Networks for Special Tasks in Electromagnetics	cs
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.dateAccepted	2014-02-24	cs
dcterms.modified	2024-05-17-12:50:15	cs
eprints.affiliatedInstitution.faculty	Fakulta elektrotechniky a komunikačních technologií	cs
sync.item.dbid	72666	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.27 11:55:36	en
sync.item.modts	2025.01.15 14:49:51	en
thesis.discipline	Elektronika a sdělovací technika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav radioelektroniky	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Pravděpodobnostní neuronové sítě pro speciální úlohy v elektromagnetismu

Files

Original bundle

Collections