ČVUT DSpace
  • Search DSpace
  • Čeština
  • Login
  • Čeština
  • Čeština
View Item 
  •   ČVUT DSpace
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Computer Science and Engineering
  • Master Theses - 13136
  • View Item
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Computer Science and Engineering
  • Master Theses - 13136
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Hranové kódování pro hluboké neuronové sítě

Edge Encoding for Deep Neural Networks

Type of document
diplomová práce
master thesis
Author
Šinkovec Petr
Supervisor
Drchal Jan
Opponent
Šourek Gustav
Field of study
Umělá inteligence
Study program
Otevřená informatika
Institutions assigning rank
katedra počítačů



Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item record
Abstract
Získání systémů pro automatickou strukturální optimalizaci modelů strojového učení (ML) je žádoucí ze dvou hlavních důvodů. Za prvé může ušetřit ML designérům víceméně přímočarou práci a za druhé, dokáže odhalit velmi efektivní a kompaktní struktury, které by člověkem pravděpodobně nebyly objeveny. Pozoruhodný úspěch v oblasti ML klasifikátorů dosáhla umělá neuronová síť (ANN), zejména hluboká ANN (DNN), která představuje model--based systém s příslušnou vnitřní architekturou, která určuje výkonnost modelu. Pro optimalizaci topologie ANN existuje několik metod založených na různých principech, kde mnohé z nich vychází z použití evolučních algoritmů (EA). Cílem diplomové práce je zkoumat nový přístup k optimalizaci architektury DNN pomocí algoritmu genetického programování (GP) v populaci počítačových programů, které generují DNN. Jedinec je v kontextu použitého EA počítačový program, jehož instrukce pracují s reprezentací grafové struktury pomocí metody zvané hranové kódování. Domněnka této práce je, že tento typ kódování se správným nasazením v kontextu ANN může generovat modely s hierarchickými a modulárními architekturami, které jsou obzvláště výhodné v mnohých náročných ML úlohách. \newpage
 
Acquiring systems for automatic structure optimization of machine learning (ML) models is desirable from two main reasons. Firstly, it can save ML designers man hours from more or less straightforward work and secondly, it can detect very effective and compact structures that would be very unlikely to be discovered by human. Notable success in the field of supervised ML classifiers achieved the artificial neural network (ANN), especially the deep ANN (DNN), which represents a model based system with particular internal architecture, that determines its performance. For the ANN topology optimization there exist several methods based on various principles where some of them are based on evolutionary algorithms (EA). Thesis' objective is to investigate a new approach for DNN architecture optimization by the use of genetic programming (GP) algorithm over a population of computer programs that generate DNN. Individual in the context of used EA is a computer program whose instructions work with graph structure representation via the method called edge encoding. The belief is, that such type of encoding with a proper deployment in the context of ANN, can generate models with hierarchical and modular architectures that are especially valuable in most of the complex ML tasks.
 
URI
http://hdl.handle.net/10467/76431
View/Open
PLNY_TEXT (2.133Mb)
PRILOHA (30.60Mb)
POSUDEK (204.1Kb)
POSUDEK (149.4Kb)
Collections
  • Diplomové práce - 13136 [954]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Useful links

CTU in PragueCentral library of CTUAbout CTU Digital LibraryResourcesStudy and library skillsResearch support

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV