Extrakce znalostí pomocí vrstevnatých neuronových sítí

• Název práce v češtině: Extrakce znalostí pomocí vrstevnatých neuronových sítí
• Název v anglickém jazyce: Knowledge Extraction with BP-networks
• Akademický rok vypsání: 2005/2006
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: doc. RNDr. Iveta Mrázová, CSc.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 06.10.2005
• Datum zadání: 06.10.2005
• Datum a čas obhajoby: 18.09.2007 00:00
• Datum odevzdání elektronické podoby: 18.09.2007
• Datum proběhlé obhajoby: 18.09.2007
• Oponenti: RNDr. Tomáš Holan, Ph.D.

Zásady pro vypracování

V diplomové práci posluchačka přehledově zpracuje následující témata:
- rekapitulace a srovnání různých paradigmat použitelných pro učení vrstevnatých
neuronových sítí (algoritmus zpětného šíření, konjugované gradienty, učení
s nápovědou (learning with hints) a další)
- rekapitulace a vzájemné porovnání známých technik vhodných pro extrakci znalostí
a pravidel (např. vrstevnaté neuronové sítě s vynucenou interní reprezentací,
rozhodovací stromy ap.)
- interpretace a vizualizace extrahovaných znalostí a pravidel

Na některé z uvedených témat se diplomantka zaměří detailněji a na základě reálných dat navrhne vhodnou strategii pro předzpracování vstupních dat a přistoupí k realizaci jednotlivých modelů. Součástí práce bude i zhodnocení vlastních výsledků a zkušeností.

Seznam odborné literatury

1. Některé z dostupných základních učebnic vhodných pro zvolené téma, např.:
- M. Berry, G. Linoff: Data Mining Techniques For Marketing, Sales, and Customer
Support, John Wiley & Sons, 1997
- R. Rojas: Neural Networks: A Systematic Introduction, Springer-Verlag, 1996
- S. Haykin: Neural Networks: A Comprehensive Foundation, Prentice Hall, Upper
Saddle River, N. J., 1999

2. Články:
- M. Ishikawa: Rule Extraction by Successive Regularization, in: Neural Networks,
Vol. 13, (2000), pp. 1171-1183.
- Jeong, S. Y. And Lee, S. Y.: Merging back-propagation and Hebbian learning rules
for robust classification, in: Neural Networks, Vol. 9, (1996), pp. 1213-1222.
- I. Mrázová: Generalized Relief Error Networks and Patterns with Lower Errors,
in: Int. Journal of Smart Engineering System Design, Vol. 4, (2002), pp. 163-176.
- Y. Abu-Mostafa: Learning from Hints, in: Journal of Complexity, Vol. 10, (1994),
pp.165-178.

3. Aktuální články z profilujících světových časopisů, např.: Neurocomputing, Neural
Networks, IEEE Transactions on Neural Networks ap.