Porovnání knihoven pro práci s umělými neuronovými sítěmi

Abstract

Práce se zabývá porovnáním knihoven pro práci umělými neuronovými sítěmi. Je vysvětlena základní teorie neuronu, neuronových sítí a jejich učení. Pro experimenty je vybrán vícevrstvý perceptron, Kohonenova síť a Hopfieldova síť. Následně jsou zvolena kritéria porovnávání jako je licence, komunita nebo poslední aktualizace, a pro experimenty jsou vybrány úlohy aproximace funkce pro vícevrstvý perceptron, asociace pro Hopfieldovu síť a shlukování pro Kohonenovu síť. Následně jsou implementovány programy s využitím daných knihoven. Závěrem je porovnání výsledků experimentů a kritérií.This thesis is about comparison of libraries of artificial neural networks. Basic theory of neuron, neural networks and their learning algorithms are explained here. Multilayer perceptron, Self organizing map and Hopfield net are chosen for experiments. Criteria of comparison such as licence, community or last actualization are designed. Approximation of function, association and clustering are chosen as task for experiments. After that, there is implementation of applications using chosen libraries. At the end, result of comparison and experiment are evaluated.