Dynamické Kohonenovy mapy a jejich struktura

Abstract

Tato diplomová práce se zabývá jedním z nejpoužívanějších modelů umělých neuronových sítí, a to Kohonenovými samoorganizujícími se mapami. Podrobně popíšeme jednotlivé modely Kohonenových map, provedeme jejich analýzu a vzájemné porovnání. Funkčnost, robustnost, míru zobecňování a další důležité vlastnosti modelů nejdříve ověřujeme na umělých vstupních datech. Možnosti jejich skutečné použití v praxi a vlastnost vybraných typů Kohonenových map jsou testovány na reálných datech z oblasti nehodovosti v silniční dopravě. Zaměřujeme se přitom na detekci důležitých vstupních atributů dat. Zkoumáme možnosti řešení zajímavých otázek a aspektů silniční dopravy pomocí modelů Kohonenových map. V závěru práce je shrnuta celková analýza dosažených výsledků a návrhy možných variant modifikací, které by mohly zlepšit vlastnosti uvažovaných modelů.

My diploma thesis deals with one of the most widely used model of artificial neural network named self-organizing Kohonen neural network. We can find there a detailed description of several thoroughly analyzed mutually compared models of Kohonen map. We will verify their functionality, robustness and generalisation rates on artificial input data. Their real applicability and properties are tested on real data of traffic accident frequency. We will focus on the detection of significant input data attributes. The possibilities of solving the interesting questions and aspects of road transport are examined by means of Kohonen maps. At the end of the work there is presented a summarized review of the results and there are mentioned possible options of modifications that could improve the properties of these models.