prikaz prve stranice dokumenta Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
No public access
undergraduate thesis
Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:977816
Kinder, Irena
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kinder, I. (2021). Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder, Irena. "Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder, Irena. "Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder, I. (2021). 'Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 19 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder I. Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 June 19] Available at: https://urn.nsk.hr/urn:nbn:hr:168:977816

I. Kinder, "Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:977816

Metadata
TitleUsporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
Title (english)Comparison of Neural Networks Efficiency For Digit Recognition Trained By Gradient Methods and Evolutionary Algorithms
AuthorIrena Kinder
MentorMarin Šilić (mentor)
Committee memberMarin Šilić (predsjednik povjerenstva)
Committee memberLucija Šikić (član povjerenstva)
Committee memberDavor Vukadin (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Umjetna neuronska mreža je skup povezanih samostalnih jedinica zvanih umjetnim neuronima. Osmišljena je po uzoru na ljudski mozak te nastoji imitirati njegove procese učenja. U ovom radu dodatno je pojašnjen pojam umjetne neuronske mreže te opisan postupak učenja na primjeru unaprijedne slojevite neuronske mreže. Taj tip mreže potom naučen je prepoznavati znamenke primjenom dvije različite metode optimizacije mreže. Odabrale su se metode optimizacije gradijentnim spustom te evolucijskim algoritmom. Metode su prvo opisane zatim korištene za učenje neuronske mreže. Izrađena je baza podataka s primjerima za učenje. Učenje dvjema metodama provedeno je nad istom bazom podataka. Navedene su metrike za ocjenjivanje rada umjetne neuronske mreže te prikazani i komentirani rezultati učenja.
Abstract (english)
An artificial neural network is a set of connected stand-alone units called artificial neurons. It is modeled on the human brain and seeks to mimic its learning processes. This paper further clarifies the concept of an artificial neural network and describes its learning process on the example of a feedforward neural network. This type of network was then taught to recognize digits using two different optimization methods. The selected methods are gradient descent and evolutionary algorithm. The methods were first described and then used to optimize the neural network. A database with learning examples was created and used for both optimization methods. The main metrics for evaluating the performance of artificial neural networks are presented as well as the learning outcomes that are further commented on.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:977816
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-15 10:31:03