prikaz prve stranice dokumenta Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
Rad nije dostupan
završni rad
Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:977816
Kinder, Irena
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Kinder, I. (2021). Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder, Irena. "Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 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', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 06.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:977816

Kinder I. Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 06.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:977816

I. Kinder, "Usporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:977816

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:977816
Podaci o radu
NaslovUsporedba uspješnosti neuronskih mreža za prepoznavanje znamenki treniranih gradijentnim metodama i evolucijskim algoritmima
Naslov (engleski)Comparison of Neural Networks Efficiency For Digit Recognition Trained By Gradient Methods and Evolutionary Algorithms
AutorIrena Kinder
MentorMarin Šilić (mentor)
Član povjerenstvaMarin Šilić (predsjednik povjerenstva)
Član povjerenstvaLucija Šikić (član povjerenstva)
Član povjerenstvaDavor Vukadin (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-07, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:977816
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-15 10:31:03