Přeskočit na obsah

Neuronové sítě

Z Wikiverzity


Jak používat klasifikační nálepkuTato stránka je součástí projektu:
{cs}
pokročilí
Příslušnost: 666Šachar999

Cíl výzkumu

[editovat]

Vytvoření nové umělé neuronové sítě napodobením biologické lidské neuronové sítě.

Současný matematický model umělé neuronové sítě je pouze zjednodušením problému. Proto jsou možnosti umělých neuronových sítí nedostatečná oproti schopnostem mozku člověka a to ať už je použit jakkoliv velký počet umělých neuronů. Při kódování biologické informace v synaptickém spoji využívá tělo velkého množství chemických látek zvané neurotransmitery (v současné době známo až 50 neurotransmiterů), které kódují informaci v neuronu, nebo ovládají propustnost membrány, či přenášejí paměť s dočasného stavu do chemického (dlouhodobého) stavu. Situace je ještě o to složitější, neboť nezáleží pouze na použití konkrétního neurotransmiteru (látky fungující jako chemický přenašeč), ale také zaleží na kombinaci těchto neurotransmiterů (různé kombinace spouští různé procesy). Nervových buněk je více druhů přičemž se skládají převážně ze stejných částí avšak jinak strukturovaných.

Biologické funkce neuronové sítě jsou tedy velické složité a cílem tohoto projektu je tyto funkce zmapovat, popsat a převést do algoritmického jazyka tak, aby byly použitelné pro programátory.

Výzkumné zprávy podle uživatelů

[editovat]

Doporučená literatura (Rešerše)

[editovat]

Biologická neurologie

[editovat]



Umělé neuronové sítě

[editovat]
  • Jiří Šíma, Roman Neruda. Teoretické otázky neuronových sítí. MATFYZPRESS, Praha 1996, 390 stran


  • Roman Vyškovský. Predikce časových řad pomocí umělých neurnových sítí. Brno 2013, 56 stran, Bakalářská práce
    • Dostupné online PDF http://is.muni.cz/th/370313/prif_b/bakalarska_prace.pdf
    • Abstrakt: Tato bakalářská práce se zabývá předpovědí časových řad. Cílem je prozkoumat jednak klasické metody používající se k řešení tohoto problému, ale hlavně přístup pomocí umělých neuronových sítí, které se v poslední době dostávají do popředí. V první části provádím rešerši literatury. Je zde popsán úvod k časovým řadám, jejich typy, klasické přístupy k jejich modelování a vícevrstvé dopředné neuronové sítě typu perceptron a RBF. Na rešerši navazuje zmapování prostředí Matlab R2012b pro tvorbu neuronových sítí. Nabytých vědomostí o metodách a softwaru je využito v praktické části, kde je ověřena funkčnost neuronových sítí na modelových datech teploty půdy. Dochází ke srovnání NS s klasickým přístupem, konkrétně s metodou dvojitého exponenciálního vyrovnávání a také jsou zde srovnány dva typy NS pro předpověď více hodnot dopředu. Výsledky experimentu jsou popsány a shrnuty.


  • Aleš Maceček. Rychlost učení vícevrstvé sítě. Brno 2011, 58 stran, bakalářská práce
    • Dostupné online PDF https://www.vutbr.cz/www_base/zav_prace_soubor_verejne.php?file_id=36627
    • Abstrakt:Teoretický rozbor umělých neuronových sítí, zvláště jejich typů topologií a učení sítí. Zvláštní zaměření je na vícevrstvou neuronovou síť s učením backpropagation. Uvedený algoritmus učení backprpagation jednoduché sítě společné s popisem parametrů ovlivňující učení sítě a také metody zhodnocení kvality naučení sítě. Definice momentů invariantních na otočení, posun a změnu měřítka. Optimalizace parametrů neuronové sítě k nalezení nejrychleji učící se neuronové sítě, a také sítě s nejlepší hodnotou rozpoznání vzorů písmen z testovací množiny.
  • Michal Kaňa. Kohenova síť. Brno 2011, 41 stran, Bakalářská práce
    • Dostupné online PDF https://www.vutbr.cz/www_base/zav_prace_soubor_verejne.php?file_id=42233
    • Abstrakt:V bakalářské práci je stručně popsána problematika umělých neuronových sítí, konkrétně poté samoorganizujících neuronových sítí a jejich využití. Práce se hlouběji věnuje problematice Kohonenovy samoorganizující sítě, popisem principu jejího učení a aplikací v praxi. V praktické části se práce zabývá problematikou nastavení počatečních vah neuronů v Kohonenově síti a jejich vlivem na konečnou pozici vítězného neuronu. U zvolené tréninkové množiny tento vliv demonstruje pomocí programového prostředí MATLAB.
  • Bc. Marek Malinka. Syntéza neuronových sítí. Zlín 2011, 74 stran, Diplomová práce
    • Dostupné online PDF http://digilib.k.utb.cz/bitstream/handle/10563/15923/malinka_2011_dp.pdf?sequence=1
    • Abstrakt:ílem diplomové práce je vypracování literární rešerše na téma syntézy neuronových sítí a vysvětlení principu algoritmu Analytického programování. Dále popis použité implementace algoritmu Asynchronního analytického programování. V praktické části jsou navrženy experimenty, které mají za úkol zjistit, jakou má implementovaný algoritmus použitelnost v různých úlohách. A z těchto experimentů vyplívající doporučení.
  • Eva Volná. Neruonové stítě 1. Ostrava 2008, 84 stran, studijní materiály pro distanční
    • Dostupné online PDF http://www1.osu.cz/~volna/Neuronove_site_skripta.pdf
    • Abstrakt:Seznámit studenta se základy teorie neuronových sítí. Důraz je zde kladen nejen na základní teorii, ale i na schopnost ji aplikovat při řešení příkladů. Všechny v textu uvedené popisy algoritmů jsou převzaty.