Využití autoenkodérů pro tvorbu hlubokých sítí
| but.committee | prof. Ing. Martin Drahanský, Ph.D. (předseda) doc. RNDr. Pavel Smrž, Ph.D. (místopředseda) doc. Ing. Jan Kořenek, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) | cs |
| but.defence | Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak 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: Q1: Bylo by rozumné použít více než 2 skryté vrstvy? Q2: Proč backpropagation algoritmus selže při přímé aplikaci na sítě s velkým počtem skrytých vrstev? Q3: Považujete trénovací množinu Caltech101 s 1515 vzorky za dostatečně velkou pro trénování neuronové sítě? | cs |
| but.jazyk | čeština (Czech) | |
| but.program | Informační technologie | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Hradiš, Michal | cs |
| dc.contributor.author | Lohniský, Michal | cs |
| dc.contributor.referee | Veselý, Karel | cs |
| dc.date.created | 2012 | cs |
| dc.description.abstract | Tato práce se zabývá předtrénováním hlubokých sítí autoenkodéry. V prvních kapitolách jsou popsány prvky neuronové sítě. Další kapitoly jsou věnovány trénování hlubokých sítí a výsledkům, ve kterých je porovnáváno předtrénování autoenkodéry a algoritmus Backpropagation. Z výsledků experimentů na dvou datasetech vyplývá, že předtrénování autoenkodéry má kladný přínos, zvláště v kombinaci s Finetuningem. | cs |
| dc.description.abstract | This thesis deals with pretraining deep networks by autoencoders. Components of neural networks are described in first chapters. Rest of chapters aims to deep network trainings and to results of experiments where autoencoder pretraining and Backpropagation algorithm are compared. Results showed positive contribution of autoencoder pretraining, mainly in combination with Finetuning. | en |
| dc.description.mark | A | cs |
| dc.identifier.citation | LOHNISKÝ, M. Využití autoenkodérů pro tvorbu hlubokých sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2012. | cs |
| dc.identifier.other | 78660 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/55192 | |
| 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 | Autoenkodér | cs |
| dc.subject | předtrénování | cs |
| dc.subject | hluboká síť | cs |
| dc.subject | Backpropagation | cs |
| dc.subject | Finetuning | cs |
| dc.subject | neuronová síť | cs |
| dc.subject | software pro trénování sítě. | cs |
| dc.subject | Autoencoder | en |
| dc.subject | pretraining | en |
| dc.subject | deep network | en |
| dc.subject | Backpropagation | en |
| dc.subject | Finetuning | en |
| dc.subject | neural network | en |
| dc.subject | network training software. | en |
| dc.title | Využití autoenkodérů pro tvorbu hlubokých sítí | cs |
| dc.title.alternative | Building deep networks using autoencoders | en |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2012-06-13 | cs |
| dcterms.modified | 2020-05-09-23:42:46 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 78660 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 18:45:34 | en |
| sync.item.modts | 2025.01.17 10:34:07 | en |
| thesis.discipline | Informační technologie | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií | cs |
| thesis.level | Bakalářský | cs |
| thesis.name | Bc. | cs |