Pattern recognition with neural networks

Abstract

Cílem práce je návrh a vývoj modulu, který vybere optimální aktivační funkci ze zadané parametrické rodiny. Jsou uvažovány umělé neuronové sítě s dopředným posunem různých konfigurací pro problém rozpoznávání vzorů. Jsou získány výsledky hodnocení výkonnosti aktivačních funkcí při rozpoznávání ručně psaných číslic. Navrhuje se nová rodina aktivačních funkcí neuronových sítí určených pro rozpoznávání vzorů. Prezentována je metoda hledání optimální aktivační funkce z dané rodiny. Jsou prováděny výsledky hodnocení výkonnosti navrhovaného algoritmu.

The object of the thesis is a design and development of a module that selects the optimal activation function from a specified parametric family. Artificial feedforward neural networks of different configurations for pattern recognition problem are considered. The results on performance evaluation of the activation functions at recognition of handwritten digits are obtained. The novel family of activation functions for neural networks intended for pattern recognition is proposed. The method of searching for an optimal activation function from a given family is presented. The results on performance evaluation of the proposed algorithm are carried out.