prikaz prve stranice dokumenta Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica
  Preuzmi
PDF 1.38 MB
diplomski rad
Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica
2024. urn:nbn:hr:200:254626
Ukić, Ante
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za programske jezike i sustave

Citirajte ovaj rad

Ukić, A. (2024). Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:254626

Ukić, Ante. "Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:254626

Ukić, Ante. "Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:254626

Ukić, A. (2024). 'Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 30.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:254626

Ukić A. Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 30.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:254626

A. Ukić, "Automatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:254626

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:254626
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAutomatski dizajn konvolucijske neuronske mreže uporabom optimizacije rojem čestica
Naslov (engleski)Automatic design of convolutional neural network using particle swarm optimization
AutorAnte Ukić
MentorDražen Bajer (mentor)
MentorMario Dudjak (sumentor)
Član povjerenstvaDražen Bajer (predsjednik povjerenstva)
Član povjerenstvaKrešimir Romić (član povjerenstva)
Član povjerenstvaBruno Zorić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za programske jezike i sustave)
Osijek
Datum i država obrane2024-02-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Konvolucijske neuronske mreže primjenjuju se za rješavanje raznih problema dubokog učenja. Primjena konvolucijskih neuronskih mreža za zadani problem zahtijeva dizajniranje odgovarajuće strukture mreže. Ručni odabir i vrednovanje potencijalnih struktura mreža zamoran je i dugotrajan proces. Automatizacija ovog postupka uvelike može smanjiti napore i vrijeme potrebno za dizajniranje prikladnih mreža. Automatski dizajn neuronskih mreža može se predstaviti kao optimizacijski problem te je u literaturi predloženo pregršt postupaka za njegovo rješavanje. U ovom radu korišten je algoritam PSO koji se pokazao učinkovitim u rješavanju brojnih problema optimizacije u literaturi, među kojima je i dizajn neuronskih mreža. Kako bi se performanse algoritma PSO mogle usporediti s nekom od poznatijih i jednostavnijih algoritama za dizajniranje neuronskih mreža, proveden je postupak pronalaska prikladne inačice algoritma PSO u smislu načina predstavljanja rješenja i odabira vrijednosti njegovih parametara. Eksperimentalna analiza provedena je na četiri skupa podataka: MNIST, Fashion MNIST, CIFAR-10 i CIFAR-100. Eksperimentalnom analizom utvrđeno je kako je najbolji način predstavljanja rješenja pomoću vektora realnih vrijednosti, a kod odabira parametara povoljnim se pokazalo odabrati jednake vrijednosti akceleracijskih koeficijenata. Eksperimentalnom analizom također je utvrđeno kako algoritam PSO postiže bolje rezultate od uobičajeno korištenih postupaka za dizajniranje neuronskih mreža, što ga čini prikladnim algoritmom za ovaj problem.
Sažetak (engleski)
Convolutional neural networks are applied to solve various deep learning problems. Applying convolutional neural networks to a given problem requires designing an appropriate network structure. Manual selection and evaluation of potential network structures is a tedious and time-consuming process. Automating this process can significantly reduce the effort and time needed to design suitable networks. The automatic design of neural networks can be presented as an optimization problem, and a handful of procedures for solving it have been proposed in the literature. In this paper, the PSO algorithm was used, which proved to be effective in solving numerous optimization problems in the literature, among which is the design of neural networks. To compare the performance of the PSO algorithm with more well-known and simpler algorithms for neural network design, a process of finding a suitable version of the PSO algorithm in terms of solution representation and parameter value selection was conducted. Experimental analysis was carried out on four datasets: MNIST, Fashion MNIST, CIFAR-10 and CIFAR-100. Through experimental analysis, it was determined that the best way to represent solutions is through a vector of real values and selecting equal values for acceleration coefficients proved favorable in parameter selection. The experimental analysis also revealed that the PSO algorithm achieves better results than commonly used procedures for neural network design, making it a suitable algorithm for this problem.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:254626
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (univ. mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-03-07 11:07:34