but.committee	prof. 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.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 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.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Sekanina, Lukáš	cs
dc.contributor.author	Piňos, Michal	cs
dc.contributor.referee	Vašíček, Zdeněk	cs
dc.date.created	2020	cs
dc.description.abstract	Cílem 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.abstract	The 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.mark	A	cs
dc.identifier.citation	PIŇOS, M. Evoluční návrh konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129257	cs
dc.identifier.uri	http://hdl.handle.net/11012/192439
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	konvoluční neuronové sítě	cs
dc.subject	evoluční algoritmy	cs
dc.subject	kartézské genetické programování	cs
dc.subject	neuroevoluce	cs
dc.subject	convolutional neural networks	en
dc.subject	evolutionary algorithms	en
dc.subject	cartesian genetic programming	en
dc.subject	neuroevolution	en
dc.title	Evoluční návrh konvolučních neuronových sítí	cs
dc.title.alternative	Evolutionary Design of Convolutional Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2020-07-16	cs
dcterms.modified	2020-07-17-14:44:24	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129257	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:30:48	en
sync.item.modts	2025.01.15 21:52:12	en
thesis.discipline	Bezpečnost informačních technologií	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Evoluční návrh konvolučních neuronových sítí

Files

Original bundle

Collections