Práce je věnována problematice umělých neuronových sítí ve spojení s programovacím jazykem Java. V teoretické části je popsána souvislost s biologickými neuronovými sítěmi, jsou popsány jednotlivé typy umělých neuronových sítí a algoritmy trénování. V praktické části jsou implementovány dva typy neuronových sítí. První aplikace rozpoznává nakreslené znaky, druhá aplikace slouží k aproximaci dat získaných z osciloskopu.
Anotace v angličtině
The work deals with neural networks in conjuction with programming language Java.
In theoretical part is described relation with biological neural networks, there is described the different types of artifical neural network and training algoritms. In the practical part are inplemented two types of neural networks. The first aplication recognized delineated characters, the second aplication make for approximate of data obtained from the oscilloscope.
Neural network, Java, distinguish of characters, approximation of data.
Rozsah průvodní práce
88 s.
Jazyk
CZ
Anotace
Práce je věnována problematice umělých neuronových sítí ve spojení s programovacím jazykem Java. V teoretické části je popsána souvislost s biologickými neuronovými sítěmi, jsou popsány jednotlivé typy umělých neuronových sítí a algoritmy trénování. V praktické části jsou implementovány dva typy neuronových sítí. První aplikace rozpoznává nakreslené znaky, druhá aplikace slouží k aproximaci dat získaných z osciloskopu.
Anotace v angličtině
The work deals with neural networks in conjuction with programming language Java.
In theoretical part is described relation with biological neural networks, there is described the different types of artifical neural network and training algoritms. In the practical part are inplemented two types of neural networks. The first aplication recognized delineated characters, the second aplication make for approximate of data obtained from the oscilloscope.
Neural network, Java, distinguish of characters, approximation of data.
Zásady pro vypracování
- V úvodu práce je nutné přehledně popsat typy neuronových sítí (NN) a vysvětlit základní pojmy z oblasti NN. Uvést příklady simulátorů NN, jejich vlastnosti a využití (např. Joone, Jane, simulátor Neural Network Toolbox v Matlabu atd.).
- Hlavním cílem diplomové práce je realizace minimálně dvou vybraných typů NN pomocí vybraného a v Javě napsaného simulátoru.
- Zpracované výsledky porovnat s ekvivalentními sítěmi navrženými v Matlabu pomocí Neural Network Toolboxu.
Zásady pro vypracování
- V úvodu práce je nutné přehledně popsat typy neuronových sítí (NN) a vysvětlit základní pojmy z oblasti NN. Uvést příklady simulátorů NN, jejich vlastnosti a využití (např. Joone, Jane, simulátor Neural Network Toolbox v Matlabu atd.).
- Hlavním cílem diplomové práce je realizace minimálně dvou vybraných typů NN pomocí vybraného a v Javě napsaného simulátoru.
- Zpracované výsledky porovnat s ekvivalentními sítěmi navrženými v Matlabu pomocí Neural Network Toolboxu.
Seznam doporučené literatury
1. Šnorek M.: Neuronové sítě a neuropočítače. Praha, 1996, skriptum.
2. URL: http://sourceforge.net/projects/joone/
3. URL: http://cig.felk.cvut.cz/research/publications/horyl2005simonne.pdf
Seznam doporučené literatury
1. Šnorek M.: Neuronové sítě a neuropočítače. Praha, 1996, skriptum.
2. URL: http://sourceforge.net/projects/joone/
3. URL: http://cig.felk.cvut.cz/research/publications/horyl2005simonne.pdf
Přílohy volně vložené
1 cdrom
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Práce obsahuje řešení dvou neuronových sítí (NN) v jazyce Java a v Matlabu. První NN je určena k rozpoznávání písma, druhá je dopředná NN a je určena pro realizaci aproximační funkce na základě dat získaných z osciloskopu. Oba typy sítí se podařilo zrealizovat a jsou funkční.
S ohledem na věcné připomínky vedoucího a oponenta práce komise ohodnotila diplomovou práci známkou dobře.