Show simple item record

Analysis of Heuristic Methods of Strengthening Machine Learning Algorithms and the Study of Their Principles



dc.contributor.advisorHakl František
dc.contributor.authorKurbanov Temirlan
dc.date.accessioned2019-02-20T10:49:01Z
dc.date.available2019-02-20T10:49:01Z
dc.date.issued2018-08-29
dc.identifierKOS-695599832205
dc.identifier.urihttp://hdl.handle.net/10467/79883
dc.description.abstractUmělé neuronové sítě se považují za nejmodernější modely strojového učení. Byly úspěšně využity v nejrůznějších oborech. Nicméně, složitější úkoly vyžadují vyspělejší struktury a metody učení. Tato práce zkoumá čtyři metody optimizace: genetické algoritmy, simulace žíhání, pruning a transfer learning. Jsou popsány jejich principy a příklady aplikace. Kromě toho jsou prozkoumány nejmodernější modifikace těchto algoritmů a jejich teoretické základy. Tato rešerše ukázala, že, i přes intenzivní zkoumání a experimenty, výhody a nevýhody těchto modifikací jsou nejasné. Nicméně, tato rešerše se pokusí prozkoumat nejslibnější algoritmy a porovnat je, což bude užitečné pro budocí práci.cze
dc.description.abstractArtificial neural networks are considered the state-of-the-art machine learning models. They have been applied to various fields. However, complex tasks require more advanced structures and training methods. This paper studies four optimization techniques: genetic algorithms, simulated annealing, pruning, and transfer learning. The principles and application examples of these methods are described. Besides that, this paper investigates the most advanced modifications of the algorithms and their theoretical backgrounds. The study has shown that despite intensive research and experiments, the relative advantages and disadvantages of the modifications are still unclear. Nevertheless, this paper attempts to study the most promising algorithms and conduct their comparison, which may be of use in future work.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectgenetické algoritmy,optimizace strojového učení,pruning,simulace žíhání,transfer learning,umělé neuronové sítěcze
dc.subjectartificial neural networks,genetic algorithms,machine learning optimization,pruning,simulated annealing,transfer learningeng
dc.titleAnalýza heuristickych metod zefektivnění algoritmů strojového učení a studium jejich principůcze
dc.titleAnalysis of Heuristic Methods of Strengthening Machine Learning Algorithms and the Study of Their Principleseng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.date.accepted2018-09-03
dc.contributor.refereeJiřina Marcel
theses.degree.disciplineAplikovaná informatikacze
theses.degree.grantorkatedra matematikycze
theses.degree.programmeAplikace přírodních vědcze


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record