Umělá neuronová síť pro modelování polí uvnitř automobilu

Simple item page
but.committeeprof. Ing. Miroslav Kasal, CSc. (předseda) doc. Ing. Martin Slanina, Ph.D. (místopředseda) Ing. Tomáš Urbanec, Ph.D. (člen) doc. Ing. Petr Kadlec, Ph.D. (člen) Ing. Jan Šimša, CSc. (člen) prof. Ing. Miloš Mazánek, CSc. (člen)cs
but.defenceStudent prezentuje výsledky a postupy řešení své diplomové práce. Následně odpovídá na dotazy vedoucího a oponenta práce a na dotazy členů zkušební komise. Na otázky oponenta student jistě odpovídá. Prof. Kasal: Z čeho pocházejí trénovací sekvence? Vše pochází ze simulací. Dr. Kadlec: Jaký byl použitý proces učení neuronové sítě? Vnitřní algoritmus MATLABu. Popisuje možné metody a způsob, jaký použil Dr. Koudelka.cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorRaida, Zbyněkcs
dc.contributor.authorKostka, Filipcs
dc.contributor.refereeŠkvor, Zbyněkcs
dc.date.accessioned2019-05-17T03:28:49Z
dc.date.available2019-05-17T03:28:49Z
dc.date.created2014cs
dc.description.abstractTato diplomová práce se zabývá umělými neuronovými sítěmi. Po navržení a odladění vzorové testovací a trénovací sady byly vytvořeny vícevrstvé perceptronové sítě v Neural Network Toolbox(NNT) Matlabu. Pro vytváření sítí byly využity různé trénovací algoritmy a algoritmy zlepšující generalizaci sítě. Při tvorbě radiální bázové sítě nebylo užito NNT. Tato síť byla vytvořena kódem v programu Matlab. Funkčnost vytvořených sítí byla ověřena na jednoduchých trénovacích a testovacích vzorech. Reálná trénovací data byla získána simulací dvanácti monokónických anténpracujícíchna frekvencích 2 až 6 GHz. Antény byly rozmístěny uvnitř matematického modelu Octavia II. Simulací v programu CST Microwave Studio byla modelována elektromagnetická pole uvnitř automobilu. U natrénovaných sítí zobrazujeme regresivní křivku přichycení trénovacích vzorů k síti, závislosti střední kvadratické chyby na počtu neuronů a na složitosti vstupního signálu a absolutní chybu sítě. Vlastnosti jednotlivých sítí jsou vzájemně porovnány a jsou určeny podmínky pro použití NN sítí pro modelování polí uvnitř automobilu.cs
dc.description.abstractThe project deals with artificial neural networks. After designing and debugging the test data set and the training sample set, we created a multilayer perceptron network in the Neural NetworkToolbox (NNT) of Matlab. When creating networks, we used different training algorithms and algorithms improving the generalization of the network. When creating a radial basis network, we did not use the NNT, but a specific source code in Matlab was written. Functionality of neural networks was tested on simple training and testing patterns. Realistic training data were obtained by the simulation of twelve monoconic antennas operating in the frequency range from 2 to 6 GHz. Antennas were located inside a mathematical model of Octavia II. Using CST simulations, electromagnetic fields in a car were obtained. Trained networks are described by regressive characteristics andthe mean square error of training. Algorithms improving generalization are applied on the created and trained networks. The performance of individual networks is mutually compared.en
dc.description.markCcs
dc.identifier.citationKOSTKA, F. Umělá neuronová síť pro modelování polí uvnitř automobilu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.cs
dc.identifier.other73228cs
dc.identifier.urihttp://hdl.handle.net/11012/31526
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectUmělá neuronová síťcs
dc.subjectvícevrstvý perceptroncs
dc.subjectradiální bázová síťcs
dc.subjectLevenbergův-Marquardtův algoritmuscs
dc.subjectBayesovská regularizacecs
dc.subjectgradientní sestup se spádemcs
dc.subjectFEKO Octavia IIcs
dc.subjectučení sítě.cs
dc.subjectArtificial neural networken
dc.subjectmultilayer perceptronen
dc.subjectradial basis networken
dc.subjectLevenberg-Marquardt algorithmsen
dc.subjectNewton algorithmen
dc.subjectlearning process.en
dc.titleUmělá neuronová síť pro modelování polí uvnitř automobilucs
dc.title.alternativeArtificial neural network for modeling electromagnetic fields in a caren
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2014-06-10cs
dcterms.modified2014-06-13-12:06:29cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid73228en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 23:06:43en
sync.item.modts2021.11.12 22:30:13en
thesis.disciplineElektronika a sdělovací technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav radioelektronikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.59 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
1.99 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_73228.html
Size:
4.81 KB
Format:
Hypertext Markup Language
Description:
review_73228.html
Download
Collections
2014