Konvoluční neuronové sítě a jejich implementace
| Thesis title in Czech: | Konvoluční neuronové sítě a jejich implementace |
|---|---|
| Thesis title in English: | Convolutional neural networks and their implementation |
| Key words: | Konvoluční neuronové sítě, OCR, Encog |
| English key words: | Convolutional neural networks, OCR, Encog |
| Academic year of topic announcement: | 2010/2011 |
| Thesis type: | Bachelor's thesis |
| Thesis language: | čeština |
| Department: | Department of Theoretical Computer Science and Mathematical Logic (32-KTIML) |
| Supervisor: | doc. RNDr. Iveta Mrázová, CSc. |
| Author: | hidden - assigned and confirmed by the Study Dept. |
| Date of registration: | 18.10.2010 |
| Date of assignment: | 18.10.2010 |
| Date and time of defence: | 07.09.2011 09:00 |
| Date of electronic submission: | 02.08.2011 |
| Date of submission of printed version: | 05.08.2011 |
| Date of proceeded defence: | 07.09.2011 |
| Opponents: | RNDr. Mgr. Zuzana Petříčková, Ph.D. |
| Guidelines |
| V bakalářské práci posluchač přehledově zpracuje následující témata:
- rekapitulace a srovnání různých modelů umělých neuronových sítí vhodných pro rozpoznávání (obrazových) vzorů - zejména modelu neocognitronu, konvolučních neuronových sítí a algoritmu zpětného šíření, - rekapitulace a vzájemné porovnání stávajících softwarových systémů pro práci s umělými neuronovými sítěmi (např. - Weka, SNNS, Encog a další). Součástí práce bude i návrh a vlastní implementace modelu konvolučních neuronových sítí a zhodnocení vlastních výsledků a zkušeností. |
| References |
| Seznam doporučené literatury:
1. Některé z dostupných základních učebnic vhodných pro zvolené téma, např.: - R. Rojas: Neural Networks: A Systematic Introduction, Springer-Verlag, 1996 - S. Haykin: Neural networks: a comprehensive foundation, Prentice Hall, 1999 2. Články: - Y. LeCun, L. Bottou, Y. Bengio, P. Haffner: Gradient-Based Learning Applied to Document Recognition, in: Proc. of the IEEE, vol. 86, no. 11 (Nov. 1998) pp. 2278-2324. - K. Fukushima: A neural network for visual pattern recognition, in: Computer, vol. 21, no. 3, (1988) pp. 65-75. - D. E. Rumelhart, G. E. Hinton, R. J. Williams: Learning representations by back-propagating errors, in: Nature, vol. 323, (1986) pp. 533-536. - S. Fidler, G. Berginc, A. Leonardis: Hierarchical Statistical Learning of Generic Parts of Object Structure, in: Proc. of CVPR´06, IEEE Comp. Society, Washington, DC, USA, (2006) pp. 182-189. 3. Aktuální články z profilujících světových časopisů, např.: Neurocomputing, Neural Networks, IEEE Transactions on Neural Networks ap. |