Maximizing Computational Power by Neuroevolution
Název práce v češtině: | Maximalizace výpočetní síly neuroevolucí |
---|---|
Název v anglickém jazyce: | Maximizing Computational Power by Neuroevolution |
Klíčová slova: | neuronové sítě, echo state networks, genetické algoritmy, neuroevoluce, hranice chaosu |
Klíčová slova anglicky: | neural networks, echo state networks, genetic algorithms, neuroevolution, edge of chaos, phase transition |
Akademický rok vypsání: | 2015/2016 |
Typ práce: | diplomová práce |
Jazyk práce: | angličtina |
Ústav: | Katedra softwaru a výuky informatiky (32-KSVI) |
Vedoucí / školitel: | RNDr. František Mráz, CSc. |
Řešitel: | skrytý![]() |
Datum přihlášení: | 31.03.2016 |
Datum zadání: | 31.03.2016 |
Datum potvrzení stud. oddělením: | 07.04.2016 |
Datum a čas obhajoby: | 12.09.2016 10:00 |
Datum odevzdání elektronické podoby: | 28.07.2016 |
Datum odevzdání tištěné podoby: | 28.07.2016 |
Datum proběhlé obhajoby: | 12.09.2016 |
Oponenti: | doc. Mgr. Martin Pilát, Ph.D. |
Zásady pro vypracování |
Neural networks are capable of solving quite complex tasks. A recent study revealed that randomly generated recurrent neural networks called echo state networks achieve highest computational power when their dynamics approaches the transition between stable and chaotic behaviour. The goal of the thesis is to compare computational power of randomly generated echo state networks with neural networks evolved using neuroevolution. |
Seznam odborné literatury |
Bertschinger, N., Natschläger, T.: Real-time computation at the edge of chaos in recurrent neural networks. Neural Computation 16.7 (2004):1413–1436.
Boedecker, J., et al.: Information processing in echo state networks at the edge of chaos. Theory in Biosciences 131.3 (2012):205-213. Stanley, K. O., and Miikkulainen, R.: Evolving neural networks through augmenting topologies. Evolutionary computation 10.2 (2002):99-127. |