Primjena evolucjiskog algoritma za učenje neuronske mreže

Medovka, Krešimir

prikaz prve stranice dokumenta Primjena evolucjiskog algoritma za učenje neuronske mreže

Preuzmi
PDF 3.19 MB

diplomski rad

Primjena evolucjiskog algoritma za učenje neuronske mreže

Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. urn:nbn:hr:235:466283

Medovka, Krešimir

Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje

Citirajte ovaj rad

APA 6th Edition

Medovka, K. (2022). Primjena evolucjiskog algoritma za učenje neuronske mreže (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:235:466283

MLA 8th Edition

Medovka, Krešimir. "Primjena evolucjiskog algoritma za učenje neuronske mreže." Diplomski rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:235:466283

Chicago 17th Edition

Medovka, Krešimir. "Primjena evolucjiskog algoritma za učenje neuronske mreže." Diplomski rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:235:466283

Harvard

Medovka, K. (2022). 'Primjena evolucjiskog algoritma za učenje neuronske mreže', Diplomski rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:235:466283

Vancouver

Medovka K. Primjena evolucjiskog algoritma za učenje neuronske mreže [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje; 2022 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:466283

IEEE

K. Medovka, "Primjena evolucjiskog algoritma za učenje neuronske mreže", Diplomski rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:466283

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:235:466283

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Primjena evolucjiskog algoritma za učenje neuronske mreže
Naslov (engleski)	Application of an evolutionary algorithm for neural network learning
Autor	Krešimir Medovka
Mentor	Petar Ćurković (mentor)
Član povjerenstva	Damir Markučič (predsjednik povjerenstva)
Član povjerenstva	Darko Landek (član povjerenstva)
Član povjerenstva	Petar Ćurković (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Zagrebu Fakultet strojarstva i brodogradnje Zagreb
Datum i država obrane	2022-07-18, Hrvatska
Znanstveno / umjetničko područje, polje i grana	TEHNIČKE ZNANOSTI Računarstvo Umjetna inteligencija
Sažetak	Tema ovog diplomskog rada bila je Primjena evolucijskog algoritma za učenje neuronske mreže. Opisane su osnove neuronskih mreža i njihove karakteristike kao što su čvorovi i slojevi, te vrste neuronskih mreža. Također opisani su evolucijski algoritmi, inspiracija, struktura algoritma i potrebni koraci. Dan je opis i pregled područja NeuroEvolucije s naglaskom na Neuronske mreže evoluirajućih topologija i težina (eng. Topology and Weight Evolving Artificial Neural Networks - TWEANN) te su postavljena neka vrlo bitna pitanja koje će NEAT algoritam pokušati riješiti. Proučen je teorijski koncept NeuroEvolucije promjenjivih topologija (eng. NeuroEvolution of Augmenting Topologies - NEAT). NEAT algoritam je implementiran u programskom okruženju MATLAB te je implementacija ispitana na dva problema: XOR problem i problem stabilizacije inverznog njihala.
Sažetak (engleski)	The topic of this thesis was Application of an evolutionary algorithm for neural network learning. The basics of neural networks and their characteristics such as nodes and layers, and types of neural networks are described. Evolutionary algorithms, inspiration, algorithm structure and necessary steps are also described. A description and overview of the field of NeuroEvolution with an emphasis on Topology and Weight Evolving Artificial Neural Networks (TWEANN) was given, and some very important questions were asked that the NEAT algorithm will try to solve. The theoretical concept of NeuroEvolution of Augmenting Topologies (NEAT) was studied. The NEAT algorithm was implemented in the MATLAB programming environment, and the implementation was tested on two problems: the XOR problem and the inverse pendulum stabilization problem.
Ključne riječi
Ključne riječi (engleski)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:235:466283
Studijski program	Naziv: Strojarstvo Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Otvoreni pristup
Uvjeti korištenja
Repozitorij	Repozitorij Fakulteta strojarstva i brodogradnje Sveučilišta u Zagrebu
Datum i vrijeme pohrane	2022-07-17 21:15:49