Razvoj arhitekture umjetne neuronske mreže evolucijom

završni rad

• Naslov (engleski): Evolution of Artificial Neural Network Architecture
• Autor: Matija Bačić
• Mentor: Marko Čupić (mentor)
• Član povjerenstva: Marko Čupić (predsjednik povjerenstva)
• Član povjerenstva: Rudolf Lovrenčić (član povjerenstva)
• Član povjerenstva: Karlo Knežević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-06, 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: neuroevolucija; topologija; neuronska mreža; NEAT; evolucijski algoritmi
• Ključne riječi (engleski): neuroevolution; topology; neural network; NEAT; evolutionary algorithms
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:988102
• 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: 2023-01-14 08:21:22