prikaz prve stranice dokumenta Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja
Rad nije dostupan
diplomski rad
Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:964349
Katić, Maria
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Katić, M. (2024). Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:964349

Katić, Maria. "Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:964349

Katić, Maria. "Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:964349

Katić, M. (2024). 'Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:964349

Katić M. Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:964349

M. Katić, "Primjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:964349

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:964349
Podaci o radu
NaslovPrimjena evolucijskih algoritama u latentnom prostoru modela dubokog učenja
Naslov (engleski)Evolutionary algorithm optimization in latent space of deep learning models
AutorMaria Katić
MentorDomagoj Jakobović (mentor)
Član povjerenstvaDomagoj Jakobović (predsjednik povjerenstva)
Član povjerenstvaNikolina Frid (član povjerenstva)
Član povjerenstvaLeonardo Jelenković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-09, Hrvatska
Sažetak
U ovom diplomskom radu istražena je primjena evolucijskih algoritama u latentnom prostoru modela varijacijskog autoenkodera (VAE). Za demonstraciju rada algoritma korišten je optimizacijski problem trgovačkog putnika (TSP). Implementacija rada temelji se na korištenju varijacijskog autoenkodera koji uči iz primjeraka i rješenja TSP problema te kreira latentni prostor koji se zatim koristi za efikasno pretraživanje rješenja. U sklopu rada napravljena je detaljna analiza hiperparametara koji utječu na performanse algoritma te usporedba različitih optimizacijskih algoritama unutar latentnog prostora. Analiza je pokazala da korištenje kombinacije genetskog algoritma i metode lokalne pretrage Hooke-Jeeves u latentnom prostoru postiže značajne rezultate prilikom pronalaska optimalnog rješenja za dani problem. Rezultati istraživanja ukazuju na prednosti i mane optimizacije u latentnom prostoru i potiču na daljnje istraživanje tog područja.
Sažetak (engleski)
This thesis explores the application of evolutionary algorithms in the latent space of the variational autoencoder (VAE) model, specifically looking at solving the Traveling Salesman Problem (TSP). The implementation of the work is based on the use of a variational autoencoder that learns from examples and solutions of TSP problems and creates a latent space that is then used for an efficient search for solutions. As part of the work, a detailed analysis of the hyperparameters that influence the performance of the algorithm and a comparison of different optimization algorithms within the latent space was made. The analysis showed that the use of a combination of the genetic algorithm and the Hooke-Jeeves local search method in the latent space achieves significant results when finding the optimal solution for a given problem. The research results indicate the advantages and disadvantages of optimization in the latent space and encourage further research in this area.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:964349
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 21:02:14