prikaz prve stranice dokumenta Razvoj arhitekture umjetne neuronske mreže evolucijom
Rad nije dostupan
završni rad
Razvoj arhitekture umjetne neuronske mreže evolucijom
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:988102
Bačić, Matija
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bačić, M. (2020). Razvoj arhitekture umjetne neuronske mreže evolucijom (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:988102

Bačić, Matija. "Razvoj arhitekture umjetne neuronske mreže evolucijom." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:988102

Bačić, Matija. "Razvoj arhitekture umjetne neuronske mreže evolucijom." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:988102

Bačić, M. (2020). 'Razvoj arhitekture umjetne neuronske mreže evolucijom', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 19.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:988102

Bačić M. Razvoj arhitekture umjetne neuronske mreže evolucijom [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 19.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:988102

M. Bačić, "Razvoj arhitekture umjetne neuronske mreže evolucijom", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:988102

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:988102
Podaci o radu
NaslovRazvoj arhitekture umjetne neuronske mreže evolucijom
Naslov (engleski)Evolution of Artificial Neural Network Architecture
AutorMatija Bačić
MentorMarko Čupić (mentor)
Član povjerenstvaMarko Čupić (predsjednik povjerenstva)
Član povjerenstvaRudolf Lovrenčić (član povjerenstva)
Član povjerenstvaKarlo Knežević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Konektivistička paradigma u umjetnoj inteligenciji danas je najrašireniji pristup. Pojam neuronske mreže uveo je revoluciju u računarsku znanost jer sada možemo riješiti puno kompleksnije probleme na jednostavniji način - treniranjem. Ideja više nije unijeti sve poznato znanje u računalo, već pustiti neuronsku mrežu da sama zaključuje kako se ponašati u još neviđenim situacijama. Dva su načina za to postići: matematički orijentirani način propagacije unazad te neuroevolucija. Zbog svoje jednostavnosti u matematičkom pogledu, nauroevolucija ima značajnu popularnost u svijetu umjetne inteligencije. Međutim, veliki problem predstavlja odabir topologije neuronske mreže koju paniramo trenirati. Iako postoje mnoge dobro poznate topologije za modeliranje određenih problema, postavlja se pitanje bismo li dobili napredak evoluiranjem cijele topologije, a ne samo težine spojeva mreže. Algoritam neuroevolucije s povećavanjem topologija (NEAT) upravo daje odgovor na to pitanje.
Sažetak (engleski)
The connectivism in artificial intelligence is the most widespread paradigm today. The concept of neural network has revolutionized computer science since it enables solving complex problems in a simpler way – by training. The idea is not to enter all the available knowledge into the computer, rather let the artificial neural network decide how to behave in unprecedented situations. There are two ways to achieve that: a mathematically oriented way of backwards propagation and neuroevolution. Because of its mathematical simplicity, nauroevolution has gained significant popularity in the world of artificial intelligence. However, a big problem is choosing the neural network topology beforehand. Although there are many good already known topologies for modeling specific problems, question arises would we gain significant improvement by evolving network topologies along with connection weights. The neuroevolution with augmenting topologies (NEAT) provides the answer to the posed question.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:988102
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 pohrane2023-01-14 08:21:22