| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Uporaba nevronskih mrež pri iskanju binarnih sekvenc z nizkimi avtokorelacijami : magistrsko delo
Avtorji:ID Popič, Jan (Avtor)
ID Bošković, Borko (Mentor) Več o mentorju... Novo okno
ID Brest, Janez (Komentor)
Datoteke:.pdf MAG_Popic_Jan_2023.pdf (2,58 MB)
MD5: 4F8600D06D430A14C53661B5B15A8C66
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Uporaba nevronskih mrež je vedno bolj razširjena, tako v vsakdanjem življenju kot na različnih raziskovalnih področjih. Kljub razširjeni uporabi pa obstajajo raziskovalni problemi, kjer uporabna vrednost nevronskih mrež še ni bila preverjena. Eno izmed takšnih področij je iskanje binarnih sekvenc z nizko avtokorelacijo (ang. low-autocorelation binary sequence), pri katerem se iščejo binarna zaporedja različnih dolžin, ki imajo čim manjšo vrednost avtokorelacije. Takšne sekvence se zaradi svojih specifičnih lastnosti uporabljajo pri mnogih raziskovalnih področjih, njihovo iskanje pa predstavlja izjemno zahteven kombinatoričen problem. V našem delu predstavimo dve nevronski mreži, ki služita za usmerjanje iskalnega algoritma samoizogibnega sprehoda pri iskanju binarnih sekvenc dolžine 31 in 41. Prva nevronska mreža je učena pravil popačene simetrije. Ta pravila zmanjšajo dimenzijo iskalnega prostora, nevronska mreža pa se jih je uspela naučiti. V želji izboljšanja obstoječega mehanizma smo naučili tudi drugo nevronsko mrežo, ki v iskalnem algoritmu doseže statistično signifikantno boljše rezultate kot mehanizem popačene simetrije. Za to nevronsko mrežo dodatno analiziramo število funkcijskih ovrednotenj za dosego najboljše znane rešitve. Izkazalo se je, da izboljšana nevronska mreža za dosego najboljših znanih rešitev potrebuje manj funkcijskih ovrednotenj kot uporaba pravil popačene simetrije.
Ključne besede:nevronske mreže, binarne sekvence, iskalni algoritem, samoizogibni sprehod
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[J. Popič]
Leto izida:2023
Št. strani:1 spletni vir (1 datoteka PDF (IX, 42 f.))
PID:20.500.12556/DKUM-85206 Novo okno
UDK:004.8.032.26(043.2)
COBISS.SI-ID:168580099 Novo okno
Datum objave v DKUM:21.09.2023
Število ogledov:518
Število prenosov:111
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:22.08.2023

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Use of neural networks in search of binary sequences with low autocorrelations
Opis:The usage of neural networks is getting more and more widespread in everyday life as well as in various scientific fields. Regardless of their widespread use, there are still specific research problems for which the usability of neural networks has yet to be tested. One such problem is the search for binary sequences of different lengths with their autocorrelations as small as possible, commonly called a "low-autocorrelation binary sequence problem". Their specific properties can be utilized in many different research topics, but finding them is a complex combinatorial problem. Our novel work presents two neural networks that guide the self-avoiding walk algorithm in the search for sequences of lengths 31 and 41. The first neural network is trained on skew-symmetric sequences, and it was able to mimic this accurately. Additionally, we present another neural network with an improved mechanism that yields statistically significantly better results than skew-symmetry. We also compared the number of function evaluations needed to obtain the best-known results. Self-avoiding walk utilizing an improved neural network used fewer function evaluations than the one utilizing skew-symmetry.
Ključne besede:neural networks, binary sequences, search algorithm, self-avoiding walk


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