prikaz prve stranice dokumenta Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže
Pristup korisnicima matične ustanove
diplomski rad
Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže
2018. urn:nbn:hr:155:093296
Barić, Toni
Sveučilište u Dubrovniku
Fakultet elektrotehnike i primijenjenog računarstva

Citirajte ovaj rad

Barić, T. (2018). Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže (Diplomski rad). Dubrovnik: Sveučilište u Dubrovniku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:155:093296

Barić, Toni. "Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže." Diplomski rad, Sveučilište u Dubrovniku, 2018. https://urn.nsk.hr/urn:nbn:hr:155:093296

Barić, Toni. "Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže." Diplomski rad, Sveučilište u Dubrovniku, 2018. https://urn.nsk.hr/urn:nbn:hr:155:093296

Barić, T. (2018). 'Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže', Diplomski rad, Sveučilište u Dubrovniku, citirano: 18.11.2024., https://urn.nsk.hr/urn:nbn:hr:155:093296

Barić T. Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže [Diplomski rad]. Dubrovnik: Sveučilište u Dubrovniku; 2018 [pristupljeno 18.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:155:093296

T. Barić, "Anatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže", Diplomski rad, Sveučilište u Dubrovniku, Dubrovnik, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:155:093296

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:155:093296
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAnatomija radnih okvira za duboko učenje - implementacija na modelu povratne neuronske mreže
Naslov (engleski)The Anatomy of Deep Learning Frameworks - Implementation on Recurrent Neural Network Model
AutorToni Barić
MentorVedran Batoš (mentor)
MentorIvona Zakarija (mentor)
Član povjerenstvaIvan Grbavac (predsjednik povjerenstva)
Član povjerenstvaVedran Batoš (član povjerenstva)
Član povjerenstvaIvona Zakarija (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Dubrovniku
(Fakultet elektrotehnike i primijenjenog računarstva)
Dubrovnik
Datum i država obrane2018-09-24-09-24, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
Sažetak
U ovom diplomskom radu opisano je strojno učenje, kao grana umjetne inteligencije, koje je danas jedan od najzanimljivijih područja računarske znanosti najviše zbog svoje ogromne primjene u prepoznavanju objekata u slikama, pretvorbe teksta u govor, prikazom rezultata pretraživanja korisnika i sl. U radu je opisan koncept umjetne inteligencije, kao i dubokog učenja koje je grana strojnog učenja. U radu su objašnjeni radni okviri za duboko učenje čije korištenje olakšava razvoj aplikacija. Opisane su i umjetne neuronske mreže, zasnovane na prirodnim neuronima, koje su glavni alat u strojnom učenju. Objašnjene su i opisane posebne povratne neuronske mreže, te je u praktičnom dijelu rada prikazana izgradnja takve neuronske mreže u programskom jeziku Python, u radnom okviru TensorFlow. Također, na studijskom primjeru prikazana je implementacija povratne neuronske mreže.
Sažetak (engleski)
In this thesis machine learning is described as a branch of artificial intelligence which is today one of the most interesting areas of computer science, mainly because of its enormous use in the recognition of objects in the images, the transformation of the text into the speech, the presentation of user search results etc. The paper describes the concept of artificial intelligence as well as deep learning that is the branch of machine learning. Artificial neural networks are also described, based on natural neural networks, which are the main tool in machine learning. Specific recurrent neural networks are also explained and described, and in the practical part of thesis is shown building that neural networks in the Python programming language, in TensorFlow framework.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:155:093296
Studijski programNaziv: Poslovno računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2018-10-09 09:53:41