but.committee	doc. Ing. František Zbořil, CSc. (předseda) doc. Ing. Vladimír Janoušek, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) Ing. Martin Hrubý, Ph.D. (člen) doc. Ing. Jan Janoušek, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)	cs
but.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 "B". Otázky u obhajoby: Ce znamená l-back parametr 0 při návrhu obvodů pomocí CGP? Jakým způsobem se vybírala vstupní data pro návrh aproximovaných konvolučních vrstev?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Sekanina, Lukáš	cs
dc.contributor.author	Roreček, Pavel	cs
dc.contributor.referee	Mrázek, Vojtěch	cs
dc.date.created	2018	cs
dc.description.abstract	Tato diplomová práce se zabývá problematikou neuronových sítí se zaměřením na sítě konvoluční (CNN) a evoluční optimalizací v kontextu neuronových sítí. Z existujících knihoven pro modelování CNN byla po analýze vybrána jedna konkrétní, a to Keras. Její funkcionalita je demonstrována na úlohách klasifikace obrázků. S využitím kartézského genetického programování byla navržena a implementována optimalizace CNN za účelem snížení složitosti výpočtu konvolučních vrstev. Dopady navržené optimalizace na chování CNN byly otestovány a vyhodnoceny v rámci případové studie.	cs
dc.description.abstract	This Master's Thesis is focused on the principles of neural networks, primarily convolutional neural networks (CNN). It introduces the evolutionary optimization in the context of neural networks. One of existing libraries devoted to the CNN design was chosen (Keras), analysed and used in image classification tasks. An optimization technique based on cartesian genetic programming that should reduce the complexity of CNN's computation was proposed and implemented. The impact of the proposed technique on CNN behaviour was evaluated in a case study.	en
dc.description.mark	B	cs
dc.identifier.citation	ROREČEK, P. Evoluční optimalizace konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114615	cs
dc.identifier.uri	http://hdl.handle.net/11012/84889
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	strojové učení	cs
dc.subject	evoluční algoritmy	cs
dc.subject	kartézské genetické programování	cs
dc.subject	optimalizace	cs
dc.subject	Neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	machine learning	en
dc.subject	evolution algorithms	en
dc.subject	cartesian genetic programming	en
dc.subject	optimization	en
dc.title	Evoluční optimalizace konvolučních neuronových sítí	cs
dc.title.alternative	Evolutionary Optimization of Convolutional Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-19	cs
dcterms.modified	2020-05-10-16:13:12	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114615	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:26:33	en
sync.item.modts	2025.01.15 13:12:43	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Evoluční optimalizace konvolučních neuronových sítí

Files

Original bundle

Collections