| dc.contributor.advisor | Kracík, Jan | |
| dc.contributor.author | Deingruber, Tomáš | |
| dc.date.accessioned | 2022-09-01T07:21:08Z | |
| dc.date.available | 2022-09-01T07:21:08Z | |
| dc.date.issued | 2022 | |
| dc.identifier.other | OSD002 | |
| dc.identifier.uri | http://hdl.handle.net/10084/147414 | |
| dc.description.abstract | Tato práce se zabývá umělými neuronovými sítěmi, konkrétně perceptronem a vícevrstvým perceptronem. Cílem je popsat perceptron, vícevrstvý perceptron a metody učení pomocí matematického aparátu a~ukázat jejich použití pro klasifikaci a regresi. | cs |
| dc.description.abstract | This thesis covers the topic of artificial neural networks, especially perceptron and multilayer percetron. The goal is to describe perceptron, multilayer perceptron and methods of learning in a mathematical framework and show their usage in classification and regression. | en |
| dc.format.extent | 5946790 bytes | |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | cs | |
| dc.publisher | Vysoká škola báňská – Technická univerzita Ostrava | cs |
| dc.subject | Umělé neuronové sítě, neuron, perceptron, vícevrstvý perceptron, gradientní metody učení, klasifikace, regrese, aproximace | cs |
| dc.subject | Artificial neural networks, neuron, multilayer perceptron, gradient descent learning, classification, regression, approximation | en |
| dc.title | Matematické základy umělých neuronových sítí | cs |
| dc.title.alternative | Mathematics of Neural Networks | en |
| dc.type | Bakalářská práce | cs |
| dc.contributor.referee | Hrušková, Pavla | |
| dc.date.accepted | 2022-05-31 | |
| dc.thesis.degree-name | Bc. | |
| dc.thesis.degree-level | Bakalářský studijní program | cs |
| dc.thesis.degree-grantor | Vysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatiky | cs |
| dc.description.department | 470 - Katedra aplikované matematiky | cs |
| dc.thesis.degree-program | Výpočetní a aplikovaná matematika | cs |
| dc.description.result | velmi dobře | cs |
| dc.identifier.sender | S2724 | |
| dc.identifier.thesis | DEI0012_FEI_B0541A170008_2022 | |
| dc.rights.access | openAccess | |