Zobrazit minimální záznam

dc.contributor.advisorMrázek, Vojtěchcs
dc.contributor.authorTomášek, Michalcs
dc.date.accessioned2018-05-17T17:13:54Z
dc.date.available2018-05-17T17:13:54Z
dc.date.created2016cs
dc.identifier.citationTOMÁŠEK, M. Genetický návrh klasifikátoru s využítím neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.cs
dc.identifier.other96288cs
dc.identifier.urihttp://hdl.handle.net/11012/61890
dc.description.abstractCílem této práce je genetický návrh neuronových sítí, jenž budou schopné provádět klasifikaci v rámci různých klasifikačních úloh. K vytváření těchto neuronových sítí je použit algoritmus vycházející z algoritmu NeuroEvolution of Augmenting Topologies (zkráceně známého jako NEAT). Dále je představena myšlenka předzpracování, která je v implementovaném výsledku rovněž zahrnuta. Cílem předzpracování je snížení výpočetních nároků pro zpracování datové sady daného klasifikačního problému. Výsledkem této práce je množina experimentů provedených nad datovou sadou pro detekci rakovinných buněk a databází ručně psaných číslic MNIST. Klasifikátory vytvořené pro rakovinné buňky pak dosahují více jak 99% přesnosti a u experimentu MNIST dochází ke snížení výpočetních nároků o více jak 10% se zanesením zanedbatelné chyby o velikosti 0,17%.cs
dc.description.abstractThe aim of this work is the genetic design of neural networks, which are able to classify within various classification tasks. In order to create these neural networks, algorithm called NeuroEvolution of Augmenting Topologies (also known as NEAT) is used. Also the idea of preprocessing, which is included in implemented result, is proposed. The goal of preprocessing is to reduce the computational requirements for processing of benchmark datasets for classification accuracy. The result of this work is a set of experiments conducted over a data set for cancer cells detection and a database of handwritten digits MNIST. Classifiers generated for the cancer cells exhibits over 99 % accuracy and in experiment MNIST reduces computational requirements more than 10 % with bringing negligible error of size 0.17 %.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectEvoluční algoritmuscs
dc.subjectGenetický algoritmuscs
dc.subjectNeuroncs
dc.subjectNeuronová síťcs
dc.subjectUmělá neuronová síťcs
dc.subjectTWEANNcs
dc.subjectNEATcs
dc.subjectKlasifikacecs
dc.subjectPředzpracovánícs
dc.subjectÚspora energiecs
dc.subjectKlasifikace rakoviny prsucs
dc.subjectMNISTcs
dc.subjectEvolutionary algorithmen
dc.subjectGenetic algorithmen
dc.subjectNeuronen
dc.subjectNeural networken
dc.subjectArtificial neural networken
dc.subjectTWEANNen
dc.subjectNEATen
dc.subjectClassificationen
dc.subjectPreprocessingen
dc.subjectEnergy savingen
dc.subjectBreast cancer classificationen
dc.subjectMNISTen
dc.titleGenetický návrh klasifikátoru s využítím neuronových sítícs
dc.title.alternativeNeural Networks Classifier Design using Genetic Algorithmen
dc.typeTextcs
dcterms.dateAccepted2016-06-23cs
dcterms.modified2016-07-08-09:35:43cs
thesis.disciplineInteligentní systémycs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
sync.item.dbid96288en
sync.item.dbtypeZPen
sync.item.insts2018.05.17 16:35:36en
sync.item.modts2018.05.17 14:33:25en
dc.contributor.refereeVašíček, Zdeněkcs
dc.description.markBcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs


Soubory tohoto záznamu

Thumbnail
Thumbnail

Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam