Konvoluční neuronové sítě
but.committee | doc. Ing. Richard Růžička, Ph.D., MBA (předseda) prof. Dr. Ing. Pavel Zemčík (místopředseda) doc. Ing. Lukáš Burget, Ph.D. (člen) Ing. Ondřej Lengál, Ph.D. (člen) doc. Ing. Oldřich Trenz, Ph.D. (člen) doc. Ing. František Zbořil, Ph.D. (člen) | cs |
but.defence | Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázku oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm " E ". Otázky u obhajoby: Lze nějak snadno upravit vaši aplikaci tak, aby demonstrovala i jiné verze těchto sítí, například čistý BackPropagation, nebo architekturu s více konvolučními vrstvami apod.? | cs |
but.jazyk | čeština (Czech) | |
but.program | Informační technologie | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Zbořil, František | cs |
dc.contributor.author | Lietavcová, Zuzana | cs |
dc.contributor.referee | Zbořil, František | cs |
dc.date.accessioned | 2019-04-04T04:08:37Z | |
dc.date.available | 2019-04-04T04:08:37Z | |
dc.date.created | 2018 | cs |
dc.description.abstract | Táto práca sa zaoberá problematikou učenia konvolučných neuronových sietí. Ide o druh hlbokých neuronových sietí, ktoré sa v súčasnosti hojne používajú predovšetkým v oblasti rozpoznávania obrazu a spracovania prirodzeného jazyka. Práca popisuje špecifiká konvolučných neuronových sietí oproti tradičným neuronovým sieťam a zameriava sa na vnútorné výpočty, ktoré realizujú pri učení. Konvolučné neurónové siete sa typicky skladajú z niekoľkých typov vrstiev neurónov a cieľom práce je demonštrovať výpočet jednotlivých typov vrstiev. V práci bol navrhnutý a implementovaný demonštračný program učenia jednoduchej konvolučnej siete s využitím vlastnej implementácie neurónovej siete. Správnosť implementácie bola overená natrénovaním siete pre riešenie klasifikačnej úlohy, boli vykonané experimenty s rôznymi architektúrami sietí a ich výsledky porovnané. | cs |
dc.description.abstract | This thesis deals with convolutional neural networks. It is a kind of deep neural networks that are presently widely used mainly for image recognition and natural language processing. The thesis describes specifics of convolutional neural networks in comparison with traditional neural networks and is focused on inner computations in the process of learning. Convolutional neural networks typically consist of a different types of layers of neurons and the core part of this thesis is to demonstrate computations of individual types of layers. Learning demonstrating program of a simple convolutional network was designed and implemented using own implementation of neural network. Validity of the implementation was tested by training models for solving a classification task. Experiments with different types of architectures were conducted and their performance was compared. | en |
dc.description.mark | E | cs |
dc.identifier.citation | LIETAVCOVÁ, Z. Konvoluční neuronové sítě [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018. | cs |
dc.identifier.other | 114593 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/84937 | |
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 | hlboké učenie | cs |
dc.subject | konvolučné neuronové siete | cs |
dc.subject | zostup po gradiente | cs |
dc.subject | spracovanie obrazu | cs |
dc.subject | klasifikácia | cs |
dc.subject | deep learning | en |
dc.subject | convolutional neural network | en |
dc.subject | gradient descent | en |
dc.subject | image processing | en |
dc.subject | classification | en |
dc.title | Konvoluční neuronové sítě | cs |
dc.title.alternative | Convolutional Neural Networks | en |
dc.type | Text | cs |
dc.type.driver | masterThesis | en |
dc.type.evskp | diplomová práce | cs |
dcterms.dateAccepted | 2018-08-28 | cs |
dcterms.modified | 2020-05-10-16:13:04 | cs |
eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
sync.item.dbid | 114593 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2021.11.23 00:10:41 | en |
sync.item.modts | 2021.11.22 23:39:00 | en |
thesis.discipline | Inteligentní systémy | cs |
thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů | cs |
thesis.level | Inženýrský | cs |
thesis.name | Ing. | cs |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- final-thesis.pdf
- Size:
- 2.16 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- Posudek-Vedouci prace-19975_v.pdf
- Size:
- 85.5 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Vedouci prace-19975_v.pdf
Loading...
- Name:
- Posudek-Oponent prace-19975_o.pdf
- Size:
- 89.55 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Oponent prace-19975_o.pdf
Loading...
- Name:
- review_114593.html
- Size:
- 1.44 KB
- Format:
- Hypertext Markup Language
- Description:
- review_114593.html