Neuronové sítě jako detektory anomálií

Abstract

Tato práce teoreticky popisuje neuronové sítě a přináší obecné shrnutí přístupů používaných k detekci anomálií. Největší důraz je kladen na popsání aktuálního stavu technik detekce anomálií založených na umělých neuronových sítí. Ve velkém detailu jsou popsány sítě s radiální bázovou funkcí, autoenkoder, deep belief network a omezený Boltzmannův stroj. Tato práce též přináší experimentální doporučení ohledně výběru topologie a hyperparametrů autoenkoderu a stacked autoenkoderu. Experimentální část této práce je napsána v Pythonu.

This work theoretically describes artificial neural networks and overviews the anomaly detection branch. The biggest emphasis is then placed on the description of the current state of the anomaly detection techniques based on the neural networks. The radial basis function network, autoencoder, deep belief network and restricted Boltzmann machines are described in great detail. The thesis also provides experimental advice on hyperparameter and topology selection for the regular and stacked autoencoder. The experimental part of the work is written in Python.