Search
Now showing items 1-2 of 2
Optimalizační metody prvního řádu v úlohách strojového učení
First order optimization methods in machine learning problems
bachelor thesis (DEFENDED)
Advisor: Branda, Martin
Date Issued: 2020
Date of defense: 14. 07. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: The goal of the thesis is to introduce the stochastic gradient method for optimizing differentiable objective function and discuss its convergence. First, supervised learning and empirical risk minimization (ERM) are ...
Cílem práce je představit metodu stochastického gradientu pro optimalizaci diferenco- vatelné účelové funkce a diskutovat její konvergenci. Nejprve je formulována úloha učení s učitelem a princip minimalizace empirického ...
Cílem práce je představit metodu stochastického gradientu pro optimalizaci diferenco- vatelné účelové funkce a diskutovat její konvergenci. Nejprve je formulována úloha učení s učitelem a princip minimalizace empirického ...
Statistical machine learning with applications in music
Statistické strojové učení s aplikacemi v hudbě
diploma thesis (DEFENDED)
Advisor: Večeř, Jan
Date Issued: 2020
Date of defense: 04. 02. 2020
Faculty / Institute: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstract: The aim of this thesis is to train a computer on Beatles' songs using the re- search project Magenta from the Google Brain Team to produce its own music, to derive backpropagation formulas for recurrent neural networks ...
Cílem této práce je vytvořit strojově generovanou hudbu na základě písní od Beatles s využitím výzkumného projektu Magenta od týmu Google Brain, odvodit vzorce pro backpropagaci v rekurentní neuronové síti s LSTM buňkami, ...
Cílem této práce je vytvořit strojově generovanou hudbu na základě písní od Beatles s využitím výzkumného projektu Magenta od týmu Google Brain, odvodit vzorce pro backpropagaci v rekurentní neuronové síti s LSTM buňkami, ...