| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Preprečevanje prekomernega prileganja pri učenju večplastnih nevronskih mrež
Avtorji:ID Henčič, Jan (Avtor)
ID Strnad, Damjan (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf UN_Hencic_Jan_2017.pdf (2,01 MB)
MD5: 387BC0D510BF2B3F4AEDCB2EBCBDBCD3
PID: 20.500.12556/dkum/38e21d8a-9384-4ef3-90bf-0a63432abf68
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Diplomsko delo obravnava tematiko strojnega učenja s pomočjo uporabe umetnih nevron- skih mrež. Te so po svojih sposobnostih in načinu delovanja zelo podobne delovanju človeških možganov. Imajo sposobnost akumuliranja znanja s tako imenovanim postop- kom ”učenja”, hkrati pa so sposobne to znanje tudi shranjevati. Pravilnost delovanja mrež se s postopkom učenja, ki se ponavlja iterativno, povečuje. Ena izmed glavnih težav pri učenju nevronskih mrež je pojav prekomernega prileganja, ki se kaže v tem, da mreža ne posplošuje dobro iz učne na testno množico vzorcev. Za preprečevanje tega pojava je bilo razvitih več tehnik, katerih uporaba, učinkovitost in primerjava je predmet pričujočega diplomskega dela.
Ključne besede:Umetna nevronska mreža, Vzvratno razširjanje, Prekomerno prileganje, Regularizacija
Kraj izida:[Maribor
Založnik:J. Henčič
Leto izida:2017
PID:20.500.12556/DKUM-67439 Novo okno
UDK:004.85.032.26(043.2)
COBISS.SI-ID:20869142 Novo okno
NUK URN:URN:SI:UM:DK:BLNIGGWX
Datum objave v DKUM:06.10.2017
Število ogledov:1655
Število prenosov:184
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:17.08.2017

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Overfitting prevention in training of multilayer neural networks
Opis:This thesis deals with the subject of machine learning by using artificial neural networks. They are very similar to the human brain in their abilities and way of functioning. They have the capacity to accumulate knowledge through the so-called “learning” process, but they are also able to store this knowledge. The accuracy of artificial neural networks is increased in the process of learning, which is repeated iteratively. One of the main problems in this process is the emergence of overfitting. This is because the network does not generalize well from the learning to the test set. To prevent this phenomenon several different techniques have been developed, the application and effectiveness of which have been analyzed and compared in the present thesis.
Ključne besede:Artificial neural network, Backpropagation, Overfitting, Regularization


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici