Simple view
Full metadata view
Authors
Statistics
Aplikacja graficzna uczenia maszynowego sztucznych sieci neuronowych oparta na bibliotekach Neuroph i Encog
sieci neuronowe, sztuczne sieci neuronowe, Java, Encog, neuron, metody uczenia sieci, algorytmy, porównanie efektywności uczenia
neural networks, artifical neural networks, Java, Encog, neuron, learning methods, machine learning, algorithms, effectiveness of learning algorithms
Celem niniejszej pracy jest pogłębienie i usystematyzowanie wiedzy na temat sztucznych sieci neuronowych, metod ich uczenia oraz rozbudowa istniejącej aplikacji Encog Workbench o moduł służący do porównania efektywności uczenia oraz pomocy przy wyborze optymalnej struktury sieci neuronowych. W pracy przedstawiono wybrane rodzaje sieci neuronowych, algorytmów ich uczenia a także wzorców projektowych i bibliotek wykorzystanych przy stworzeniu aplikacji.
The goal of this thesis is to broaden author's knowledge about neural networks, it's learning methods and extension of existing application Encog Workbench with new module used for comparison of effectiveness of learning process. Additionally the new module is going to help with selecting optimal network structure. This thesis introduces selected network types, learning algorithms, design patterns and resources used to implement the solution programmatically.
dc.abstract.en | The goal of this thesis is to broaden author's knowledge about neural networks, it's learning methods and extension of existing application Encog Workbench with new module used for comparison of effectiveness of learning process. Additionally the new module is going to help with selecting optimal network structure. This thesis introduces selected network types, learning algorithms, design patterns and resources used to implement the solution programmatically. | pl |
dc.abstract.pl | Celem niniejszej pracy jest pogłębienie i usystematyzowanie wiedzy na temat sztucznych sieci neuronowych, metod ich uczenia oraz rozbudowa istniejącej aplikacji Encog Workbench o moduł służący do porównania efektywności uczenia oraz pomocy przy wyborze optymalnej struktury sieci neuronowych. W pracy przedstawiono wybrane rodzaje sieci neuronowych, algorytmów ich uczenia a także wzorców projektowych i bibliotek wykorzystanych przy stworzeniu aplikacji. | pl |
dc.affiliation | Wydział Fizyki, Astronomii i Informatyki Stosowanej | pl |
dc.area | obszar nauk ścisłych | pl |
dc.contributor.advisor | Surówka, Grzegorz - 100453 | pl |
dc.contributor.author | Kamiński, Michał | pl |
dc.contributor.departmentbycode | UJK/WFAIS | pl |
dc.contributor.reviewer | Strug, Barbara - 100344 | pl |
dc.contributor.reviewer | Surówka, Grzegorz - 100453 | pl |
dc.date.accessioned | 2020-07-26T18:03:33Z | |
dc.date.available | 2020-07-26T18:03:33Z | |
dc.date.submitted | 2015-10-15 | pl |
dc.fieldofstudy | informatyka stosowana | pl |
dc.identifier.apd | diploma-100953-123189 | pl |
dc.identifier.project | APD / O | pl |
dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/207992 | |
dc.language | pol | pl |
dc.subject.en | neural networks, artifical neural networks, Java, Encog, neuron, learning methods, machine learning, algorithms, effectiveness of learning algorithms | pl |
dc.subject.pl | sieci neuronowe, sztuczne sieci neuronowe, Java, Encog, neuron, metody uczenia sieci, algorytmy, porównanie efektywności uczenia | pl |
dc.title | Aplikacja graficzna uczenia maszynowego sztucznych sieci neuronowych oparta na bibliotekach Neuroph i Encog | pl |
dc.title.alternative | GUI implementing Neuroph and Encog packages designed for machine learning of neural networks | pl |
dc.type | master | pl |
dspace.entity.type | Publication |