Simulace evoluce neuronové sítě

Abstract

Tato bakalářská práce je zaměřena na zkoumání potenciálu evolučních algoritmů pro automatické vyhledávání efektivních architektur neuronových sítí, zejména konvolučních neuronových sítí určených k řešení úloh klasifikace obrazů. V rámci výzkumu byl vyvinut algoritmus, který generuje a evolučně rozvíjí modely neuronových sítí na základě jejich výkonnosti. Softwarová implementace byla otestována v sérii experimentů, které potvrdily jeho schopnost postupné optimalizace architektur neuronových sítí. I přes omezenému prostoru hledání a výpočetním zdrojům představuje navržené řešení prototyp, který demonstruje využitelnost evolučních metod při automatizovaném návrhu neuronových sítí a poukazuje na perspektivnost tohoto přístupu.

This bachelor's thesis focuses on exploring the potential of evolutionary algorithms for the automatic discovery of efficient neural network architectures, especially convolutional neural network designed to solve image classification tasks. As part of the research, an algorithm was developed that generates and evolves neural network models based on their performance. Software realization was tested through a series of experiments, which confirmed its ability to progressively optimize neural network architectures. Despite the limited search space and computational resources, the presented solution serves as a prototype demonstrating the applicability of evolutionary methods to the problem of automated neural network design and highlights the promise of this approach.