Robustní postupy při trénování neuronových sítí
Robust approaches to training neural networks
dc.contributor.advisor | Kalina Jan | |
dc.contributor.author | Tobišková Nicole | |
dc.date.accessioned | 2019-02-20T10:54:32Z | |
dc.date.available | 2019-02-20T10:54:32Z | |
dc.date.issued | 2018-09-02 | |
dc.identifier | KOS-695600191705 | |
dc.identifier.uri | http://hdl.handle.net/10467/80166 | |
dc.description.abstract | Cílem této práce je propojit dosavadní poznatky o neuronových sítích se statistickými metodami a navrhnout a implementovat robustní verzi algoritmu zpětné propagace. Algoritmus zpětné propagace, založený na minimalizaci sumy nejmenších čtverců, není robustní vůči odlehlým pozorováním. Absenci robustnosti řešíme ve statistice mimo jiné pomocí metody LTS. V této práci jsme pomocí metody LTS upravili ztrátovou funkci neuronové sítě a navrhli tak robustní verzi algoritmu zpětné propagace pro regresní úlohu. Obě verze algoritmu byly porovnány na různých datech s různými typy odlehlých hodnot a s různou mírou kontaminace. Na základě těchto výpočtů nakonec můžeme kriticky zformulovat různé výhody i nevýhody robustního trénování neuronových sítí. | cze |
dc.description.abstract | The aim of this work is to summarize current knowlage about neural networks and to derive and implement the robust version of the backpropagation learning algorithm. The backpropagation learning algorithm is based on the minimalization of the mean squared error loss function. However this algorithm is not robust in the presence of outliers. To rubustify neural network we used the LTS (least trimmed squares) method. Both versions were compared and tested on various datasets. | eng |
dc.language.iso | CZE | |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.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 | eng |
dc.rights | 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 | cze |
dc.subject | algoritmus zpětné propagace,neuronová síť,regrese,robustnost | cze |
dc.subject | backpropagation leatning algorithm,neural network,regression,robustness | eng |
dc.title | Robustní postupy při trénování neuronových sítí | cze |
dc.title | Robust approaches to training neural networks | eng |
dc.type | bakalářská práce | cze |
dc.type | bachelor thesis | eng |
dc.date.accepted | 2018-09-07 | |
dc.contributor.referee | Coufal David | |
theses.degree.discipline | Matematická informatika | cze |
theses.degree.grantor | katedra matematiky | cze |
theses.degree.programme | Aplikace přírodních věd | cze |
Soubory tohoto záznamu
Soubory | Velikost | Formát | Zobrazit |
---|---|---|---|
K tomuto záznamu nejsou připojeny žádné soubory. |
Tento záznam se objevuje v následujících kolekcích
-
Bakalářské práce - 14101 [308]