Bayesian Optimization of Hyperparameters Using Gaussian Processes
Název práce v češtině: | Bayesovská optimalizace hyperparametrů pomocí Gaussovských procesů |
---|---|
Název v anglickém jazyce: | Bayesian Optimization of Hyperparameters Using Gaussian Processes |
Klíčová slova: | gaussovský proces, bayesovská optimalizace, globální optimalizace, neuronová síť |
Klíčová slova anglicky: | gaussian process, bayesian optimization, global optimization, neural network |
Akademický rok vypsání: | 2018/2019 |
Typ práce: | diplomová práce |
Jazyk práce: | angličtina |
Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
Vedoucí / školitel: | RNDr. Milan Straka, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 03.03.2019 |
Datum zadání: | 05.03.2019 |
Datum potvrzení stud. oddělením: | 19.03.2019 |
Datum a čas obhajoby: | 10.06.2019 09:00 |
Datum odevzdání elektronické podoby: | 09.05.2019 |
Datum odevzdání tištěné podoby: | 10.05.2019 |
Datum proběhlé obhajoby: | 10.06.2019 |
Oponenti: | Mgr. Marta Vomlelová, Ph.D. |
Zásady pro vypracování |
Machine learning algorithms frequently require careful tuning of model hyperparameters, which cannot be optimized by the learning algorithm itself. The goal of the thesis is to describe Bayesian optimization using Gaussian processes and evaluate its potential for automatic tuning of neural network hyperparameters. |
Seznam odborné literatury |
- Gaussian Processes for Machine Learning. Carl Edward Rasmussen and Chris Williams, the MIT Press, 2006, ISBN 978-0-262-18253-9.
- Pattern Recognition and Machine Learning. Christopher Michael Bishop, Springer, 2006, ISBN 978-0-387-31073-2. - Practical Bayesian Optimization of Machine Learning Algorithms. Jasper Snoek, Hugo Larochelle and Ryan P. Adams. Advances in Neural Information Processing Systems, 2012, https://arxiv.org/abs/1206.2944. |