Neurální celulární automaty a jejich aplikace

Abstract

V práci je shrnuta historie vývoje celulárních automatů a popsán princip fungování tradičních i konvolučních neuronových sítí společně se studiemi, jejímž cílem bylo tyto dva přístupy vzájemně kombinovat (a vytvářet tak neurální celulární automaty). Poté je uveden návrh nástroje, jenž slouží k navrhování neurálních celulárních automatů pro účely vytvoření specifického obrázku a samoopravy obrázku. Nástroj je posléze implementován. V práci jsou také popsány experimenty s navrženým nástrojem. Tyto experimenty jsou koncipovány tak, aby testovaly vliv různých vlastností neurálního celulárního automatu (velikost okolí, počet vrstev neuronové sítě apod.) na výpočetní efektivitu a na korektnost vykonávání úkolu. Tyto experimenty jsou prováděny ve třech fázích, které testují tři různé vlastnosti neurálních celulárních automatů -- růst, zachování tvaru a sebeopravu. Experimenty jsou poté provedeny a zhodnoceny.

The thesis summarizes the history of cellular automata and describes traditional and convolutional neural networks along with studies concerning the combination of the two (creating neural cellular automata). A tool for the design of such neural cellular automata is then proposed for the purposes of image generation and self-repair. This tool is then subsequently implemented. The work also describes experiments with the proposed tool. These experiments are conceptualized so that they can test the influence of various attributes of the neural cellular automata (neighborhood size, amount of layers of the neural network etc.) on the computational efficiency and accuracy of the model. Such experiments are performed in three phases testing different attributes of the neural cellular automata -- growth, preservation of shape and self-repair. These experiments are then executed and evaluated.