Modul samoorganizačních map pro program Modeler neuronových sítí

Abstract

Tato diplomová práce se zabývá rozšířením programu Modeler neuronových sítí, který je určený pro podporu výuky předmětu Neuronové sítě, o modul samoorganizačních map s možností volby různého typu sousedství. Tento modul umožňuje vytvářet, učit a vizualizovat vnitřní strukturu těchto sítí. Dále byl v rámci této práce implementován program pro paralelní běh samoorganizačních map na distribuovaných výpočetních uzlech. Práce vysvětluje základy fungování neuronových sítí se zaměřením na samoorganizační mapy. V další kapitole je popsána problematika paralelizace průběhu učení těchto sítí. Jedna z kapitol je věnována datovým sadám využívaných při testování neuronových sítí. Následují kapitoly popisující implementovaný modul a program pro paralelizaci učení. V poslední kapitole je provedena analýza a porovnání jednotlivých způsobů paralelizace a vlivu sousedství na průběh učení.

This diploma thesis deals with the extension of the Neural Net Modeler program by a module of self-organizing maps with the possibility of choosing different types of neighborhoods. This program is used in teaching the subject Neural Networks. The module allows you to create, teach and visualize the internal structure of these networks. A program for parallel running of self-organizing maps on distributed computing nodes was also implemented. The work explains the basics of neural networks with a focus on self-organizing maps. The next chapter describes the issue of parallelization of the learning process of these networks. One chapter is devoted to the datasets used in the testing of neural networks. The following chapters describe the implemented module and the program for parallelization of learning. The last chapter analyzes and compares the various methods of parallelization and the influence of the neighborhood on the learning process.