prikaz prve stranice dokumenta Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja
  Preuzmi
PDF 2.24 MB
završni rad
Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja
Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2021. urn:nbn:hr:235:772937
Homolak, Sandi
Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje

Institucijski repozitorij: Repozitorij Fakulteta strojarstva i brodogradnje Sveučilišta u Zagrebu

Citirajte ovaj rad

Homolak, S. (2021). Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:235:772937

Homolak, Sandi. "Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:235:772937

Homolak, Sandi. "Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:235:772937

Homolak, S. (2021). 'Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja', Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, citirano: 17.11.2024., https://urn.nsk.hr/urn:nbn:hr:235:772937

Homolak S. Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje; 2021 [pristupljeno 17.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:772937

S. Homolak, "Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja", Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:772937

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:235:772937
Podaci o radu
NaslovGenerativne kontradikcijske neuronske mreže u sintezi originalnih rješenja
Naslov (engleski)Generative adversarial neural networks for synthesis of original solutions
AutorSandi Homolak
MentorPetar Ćurković (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje
Zagreb
Datum i država obrane2021, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Generativne kontradikcijske neuronske mreže jedan su od najuspješnijih generativnih modela strojnog učenja. Njihovo izvođenje se temelji na natjecanju dviju neuronskih mreža u hipotetskoj igri s nultom sumom. Za razliku od mnogih drugih generativnih modela, GEKON mreže ne koriste funkcije gustoće vjerojatnosti kako bi opisale distribuciju vjerojatnosti već generiraju nove vrijednosti isključivo na temelju proučavanja značajki na velikim bazama podataka. U ovom radu prikazana je temeljna teorijska i matematička pozadina neuronskih mreža, nakon čega je detaljnije opisana struktura GEKON modela i mogućnost njegove optimizacije za specifične zadatke. U radu su također prikazani primjeri uporabe takvog modela s naglaskom na primjenu u robotici, ali i etička pitanja koja nastaju zbog iznimno realističnih rezultata takvih mreža. Na kraju rada prikazana je i usporedba implementacije triju vrsta GEKON modela za generiranje realističnih „rukom napisanih“ znamenki.
Sažetak (engleski)
Generative adversarial networks are one of the most successful generative models of machine learning. Their performance is based on the competition of two neural networks in a hypothetical zero-sum game. Unlike many other generative models, GANs do not use probability density functions to describe the probability distribution, but rather generate new values solely based on the study of features on large databases. This paper presents the basic theoretical and mathematical background of neural networks, after which the structure of GANs and the possibilities of its optimization for specific tasks are described in more detail. The paper also presents examples of using such a model with an emphasis on the applications in robotics, but also ethical issues that arise due to the extremely realistic results of such networks. A comparison of the implementation of three types of GANs for generating realistic "handwritten" digits is presented at the end of the paper.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:235:772937
Studijski programNaziv: Strojarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka strojarstva (univ. bacc. ing. mech.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-02-17 00:31:03