Evoluční návrh konvolučních neuronových sítí

but.committeeprof. Ing. Martin Drahanský, Ph.D. (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) Ing. Ondřej Lengál, Ph.D. (člen) Mgr. Kamil Malinka, Ph.D. (člen) Ing. Libor Polčák, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen)cs
but.defenceStudent 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 A. Otázky u obhajoby: Pokud bychom navržený systém nechali běžet po dobu několika dnů místo hodin, podařilo by se nalézt řešení s přesností odpovídající současnému nejlepšímu modelu pro CIFAR-10? Pokud ne, jaké změny v nastavení / v implementaci by bylo nutné provést? Jak byla přesně použita paretofronta ve vaší práci?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSekanina, Lukášcs
dc.contributor.authorPiňos, Michalcs
dc.contributor.refereeVašíček, Zdeněkcs
dc.date.created2020cs
dc.description.abstractCílem této práce je návrh a implementace programu pro automatizovaný návrh konvolučních neuronových sítí (CNN) s využitím evolučních výpočetních technik. Z praktického hlediska tento přístup redukuje potřebu lidského faktoru při tvorbě CNN, a tak eliminuje zdlouhavý a namáhavý proces ručního návrhu. Tato práce využívá speciální formu genetického programování nazývanou kartézské genetické programování, které pro zakódování řešeného problému využívá grafovou reprezentaci. Tato technika umožňuje uživateli parametrizovat proces hledání CNN, a tak se zaměřit na architektury zajímavé z pohledu použitých výpočetních jednotek, přesnosti či počtu parametrů. Navrhovaný přístup byl otestován na standardizované datové sadě CIFAR-10, která je často využívána výzkumníky pro srovnání výkonnosti jejich CNN. Provedené experimenty ukázaly, že tento přístup má jak výzkumný,tak praktický potenciál a implementovaný program otevírá možnosti vzniku zajímavých řešení.cs
dc.description.abstractThe aim of this work is to design and implement a program for automated design of convolutional neural networks (CNN) with the use of evolutionary computing techniques. From a practical point of view, this approach reduces the requirements for the human factor in the design of CNN architectures, and thus eliminates the tedious and laborious process of manual design. This work utilizes a special form of genetic programming, called Cartesian genetic programming, which uses a graph representation for candidate solution encoding.This technique enables the user to parameterize the CNN search process and focus on architectures, that are interesting from the view of used computational units, accuracy or number of parameters. The proposed approach was tested on the standardized CIFAR-10dataset, which is often used by researchers to compare the performance of their CNNs. The performed experiments showed, that this approach has both research and practical potential and the implemented program opens up new possibilities in automated CNN design.en
dc.description.markAcs
dc.identifier.citationPIŇOS, M. Evoluční návrh konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.cs
dc.identifier.other129257cs
dc.identifier.urihttp://hdl.handle.net/11012/192439
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectevoluční algoritmycs
dc.subjectkartézské genetické programovánícs
dc.subjectneuroevolucecs
dc.subjectconvolutional neural networksen
dc.subjectevolutionary algorithmsen
dc.subjectcartesian genetic programmingen
dc.subjectneuroevolutionen
dc.titleEvoluční návrh konvolučních neuronových sítícs
dc.title.alternativeEvolutionary Design of Convolutional Neural Networksen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2020-07-16cs
dcterms.modified2020-07-17-14:44:24cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid129257en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 15:30:48en
sync.item.modts2025.01.15 21:52:12en
thesis.disciplineBezpečnost informačních technologiícs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 4 of 4
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.45 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
Posudek-Vedouci prace-21369_v.pdf
Size:
86.29 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Vedouci prace-21369_v.pdf
Loading...
Thumbnail Image
Name:
Posudek-Oponent prace-21369_o.pdf
Size:
86.81 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-21369_o.pdf
Loading...
Thumbnail Image
Name:
review_129257.html
Size:
1.45 KB
Format:
Hypertext Markup Language
Description:
file review_129257.html
Collections