Biblioteka za specifikaciju i učenje neuronskih mreža

završni rad

• Naslov (engleski): Framework for specification and learning of neural networks
• Autor: Damir Numić-Meša
• Mentor: Marko Đurasević (mentor)
• Član povjerenstva: Marko Đurasević (predsjednik povjerenstva)
• Član povjerenstva: Nikolina Frid (član povjerenstva)
• Član povjerenstva: Josip Šarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Neuralne mreže univerzalni su aproksimatori funkcija te stoga primjenjivi na rješavanja gotovo svakog oblika problema. U ovom završnom radu obraditi će se način na koji neuralne mreže uče, uvesti konvoluciju u pristup učenju i pokazati rezultate implementiranih algoritama na nekoliko različitih skupova podataka.

Sažetak (engleski)

Neural networks are universal approximators and as such applicable on almost any problem. This bachelor thesis will process how neural networks learn, introduce convolution in its learning process and show results achieved by implemented algorithms on a few different datasets.

• Ključne riječi: unazadna propagacija; unaprijedna propagacija; neuron; neuronska mreža; konvolucija; konvolucijska neuronska mreža; MNIST; CIFAR10; Adam; SGD
• Ključne riječi (engleski): backpropagation; forward propagation; neuron; neural network convolution; convolutional neural network; MNIST; CIFAR10; Adam; SGD
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:673958
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-07-13 10:25:02