Zobrazit minimální záznam

Convolutional neural networks and their implementation
dc.contributor.advisorMrázová, Iveta
dc.creatorSchmid, Martin
dc.date.accessioned2017-05-08T16:41:51Z
dc.date.available2017-05-08T16:41:51Z
dc.date.issued2011
dc.identifier.urihttp://hdl.handle.net/20.500.11956/50231
dc.description.abstractTato práce ukazuje možnost využití konvolučních neuronových sítí pro rozpoznávání symbolů z obrázku. Popisuje tento model a také představuje jeho implementaci. Tato implementaci je následně použita v ukázkové aplikaci. Nejprve je představen model neuronových sítí. Poté následuje popis učení tohoto modelu, včetně bližšího popisu algoritmu zpětného šíření. Nakonec je rozebrán model konvolučních neuronových sítí, kde jsou ukázány jeho přednosti při rozpoznávání obrázků Dále se analyzují některé stávající implementace neuronových sítí. Každá je blíže představena a nakonec porovnány rychlosti. Protože žádná z těchto implementací nepodporuje model konvolučních neuronových sítí, je jedna z implementací o tento model rozšířena. Následuje bližší popis problematiky implementace tohoto modelu a představeno rozhraní rozšířené knihovny (tj. jak uživatel tuto knihovnu může použít). Pro předvedení vlastností konvolučních neuronových sítí a funkčnosti této knihovny, je nakonec vytvořena ukázková aplikace. Aplikace je dostupná na webových stránkách a spustitelná v prohlížeči. Využívá této knihovnu pro rozpoznávání symbolů kreslených uživatelem přímo do této aplikace. Klíčová slova: Konvoluční neuronové sítě, OCR, Encog 6cs_CZ
dc.description.abstractBachelor thesis describes using convolutional neural networks for recognizing symbols from images. First describes this model and shows it's implementation. Then this implementation is used for sample application. First, model of neural networks is described, then learning of this model (including backpropagation algorithm). Finally, convolutional neural networks are presented with it's advantages for symbol recognition. Then some existing implementations of neural networks are analyzed, including speed comparison. None of these implementations support convolutional networks, so this model is added to one of them. Then this extension and it's interface (how to use it) is presented. To show features of this model and to prove functionality of the implementation, sample application is created. This application is available on the web site and runnable using only a web browser. Keywords: Convolutional neural networks, OCR, Encog 7en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectKonvoluční neuronové sítěcs_CZ
dc.subjectOCRcs_CZ
dc.subjectEncogcs_CZ
dc.subjectConvolutional neural networksen_US
dc.subjectOCRen_US
dc.subjectEncogen_US
dc.titleKonvoluční neuronové sítě a jejich implementacecs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2011
dcterms.dateAccepted2011-09-07
dc.description.departmentDepartment of Theoretical Computer Science and Mathematical Logicen_US
dc.description.departmentKatedra teoretické informatiky a matematické logikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId93451
dc.title.translatedConvolutional neural networks and their implementationen_US
dc.contributor.refereePetříčková, Zuzana
dc.identifier.aleph001384636
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineProgrammingen_US
thesis.degree.disciplineProgramovánícs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra teoretické informatiky a matematické logikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Theoretical Computer Science and Mathematical Logicen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csProgramovánícs_CZ
uk.degree-discipline.enProgrammingen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csTato práce ukazuje možnost využití konvolučních neuronových sítí pro rozpoznávání symbolů z obrázku. Popisuje tento model a také představuje jeho implementaci. Tato implementaci je následně použita v ukázkové aplikaci. Nejprve je představen model neuronových sítí. Poté následuje popis učení tohoto modelu, včetně bližšího popisu algoritmu zpětného šíření. Nakonec je rozebrán model konvolučních neuronových sítí, kde jsou ukázány jeho přednosti při rozpoznávání obrázků Dále se analyzují některé stávající implementace neuronových sítí. Každá je blíže představena a nakonec porovnány rychlosti. Protože žádná z těchto implementací nepodporuje model konvolučních neuronových sítí, je jedna z implementací o tento model rozšířena. Následuje bližší popis problematiky implementace tohoto modelu a představeno rozhraní rozšířené knihovny (tj. jak uživatel tuto knihovnu může použít). Pro předvedení vlastností konvolučních neuronových sítí a funkčnosti této knihovny, je nakonec vytvořena ukázková aplikace. Aplikace je dostupná na webových stránkách a spustitelná v prohlížeči. Využívá této knihovnu pro rozpoznávání symbolů kreslených uživatelem přímo do této aplikace. Klíčová slova: Konvoluční neuronové sítě, OCR, Encog 6cs_CZ
uk.abstract.enBachelor thesis describes using convolutional neural networks for recognizing symbols from images. First describes this model and shows it's implementation. Then this implementation is used for sample application. First, model of neural networks is described, then learning of this model (including backpropagation algorithm). Finally, convolutional neural networks are presented with it's advantages for symbol recognition. Then some existing implementations of neural networks are analyzed, including speed comparison. None of these implementations support convolutional networks, so this model is added to one of them. Then this extension and it's interface (how to use it) is presented. To show features of this model and to prove functionality of the implementation, sample application is created. This application is available on the web site and runnable using only a web browser. Keywords: Convolutional neural networks, OCR, Encog 7en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra teoretické informatiky a matematické logikycs_CZ
dc.identifier.lisID990013846360106986


Soubory tohoto záznamu

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

Tento záznam se objevuje v následujících sbírkách

Zobrazit minimální záznam


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV