Optimalizace architektury neuronových sítí pro multiple instance learning
Architecture Optimization for Multiple Instance Learning Neural Networks
Typ dokumentu
diplomová prácemaster thesis
Autor
Nikita Tishin
Vedoucí práce
Drchal Jan
Oponent práce
Šír Gustav
Studijní obor
Umělá inteligenceStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačůPráva
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.htmlVysokoškolská 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
Zobrazit celý záznamAbstrakt
Hluboké učení dosahlo značného pokroku při řešení různých složitých úkolů, a je stále nutné objevovat nové architektury neuronových sítí, což je komplikovaný a časově náročný proces. Za tímto účelem roste zájem o metody automatického vyhledávání architektur neuronových síti (Neural Architecture Search, NAS). Nové metody vyhledávání využívají pokročilé techniky strojového učení, jako je například posilované a hluboké učení. V současné době se NAS používá převážně pro konvoluční a rekurentní typy architektur. Cílem této práce je přenést stávající metody NAS do návrhu síťových architektur schopných řešit úlohy definované na množinách instancí (Multiple Instance Learning). Pro vyhodnocení účinnosti metod automatického vyhledávání architektur pro Multiple Instance Learning jsme implementovali vybrané vyhledávací algoritmy a provedli jsme rozsáhlé experimenty na několika datových sadách. Došli jsme k závěru, že zatímco NAS poskytuje praktické nástroje pro optimalizaci architektur neuronových sítí, pro optimalizaci architektury je rozhodující návrh prohledávácího prostoru. As Deep Learning continues to make significant progress in solving various complex tasks, there is a growing need to discover novel neural network architectures, which is a complicated and time-consuming process. Neural Architecture Search (NAS) methods have emerged to automate network architecture design utilizing advanced Machine Learning techniques, such as Reinforcement Learning and Deep Learning itself. Currently, NAS has been applied mostly on convolutional and recurrent types of architectures. This thesis aims to transfer existing NAS methods to design network architectures capable of solving tasks defined on sets of instances, referred to as Multiple Instance Learning (MIL) tasks. To evaluate the effectiveness of NAS methods in the MIL setup, we implement selected search algorithms and conduct extensive experiments on benchmark datasets. We conclude that while Neural Architecture Search provides a practical framework to optimize MIL network architectures, search space design is crucial to architecture optimization.
Kolekce
- Diplomové práce - 13136 [892]
Související záznamy
Zobrazují se záznamy příbuzné na základě názvu, autora a předmětu.
-
Umělá inteligence ve zdravotnictví
Autor: Dalibor Čápek; Vedoucí práce: Štědroň Bohumír; Oponent práce: Zdvořák Pavel
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-02)Diplomová práce se věnuje využití umělé inteligence ve zdravotnictví. Pojem umělá inteligence se objevuje stále více v souvislosti s dopady na různá odvětví. Cílem práce je zaměřit se na vývoj umělé inteligence ve zdravotnictví ... -
Hluboké učení pro autonomní off-road řízení v simulaci
Autor: Valentin Jacques; Vedoucí práce: Zimmermann Karel; Oponent práce: Ecorchard Gaël Pierre Marie
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2018-06-18)This thesis presents different ways to make a car autonomous. We will use the power of machine learning and neural network to ?teach? a car how to drive autonomously in an off-road environment by using only a minimum set ... -
Hledání leptoquarků pomocí strojového učení v datech z CERN ATLAS experiment
Autor: Lukáš Viceník; Vedoucí práce: Sopczak André; Oponent práce: Petousis Vlasios
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-07)V této práci vylepšíme hodnotu cross-section limitu pro párovou produkci ska-lárních Leptokvarků třetí generace při roz-padu na top quark a τ -lepton. Událost je vybrána pokud obsahuje dva lehké leptony (elektron nebo muon) ...