Naslov
Generativne kontradikcijske neuronske mreže u sintezi originalnih rješenja
(Generative adversarial neural networks for synthesis of original solutions)

Autori
Homolak, Sandi

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski

Fakultet
Fakultet strojarstva i brodogradnje

Mjesto
Zagreb

Datum
25.02

Godina
2021

Stranica
55

Mentor
Ćurković, Petar

Ključne riječi
neuronske mreže ; sinteza ; strojno učenje
(neural networks ; syntheis ; machine learning)

Sažetak
Generativne kontradikcijske neuronske mreže jedan su od najuspješnijih generativnih modela strojnog učenja. Njihovo izvođenje se temelji na natjecanju dviju neuronskih mreža u hipotetskoj igri s nultom sumom. Za razliku od mnogih drugih generativnih modela, GEKON mreže ne koriste funkcije gustoće vjerojatnosti kako bi opisale distribuciju vjerojatnosti već generiraju nove vrijednosti isključivo na temelju proučavanja značajki na velikim bazama podataka. U ovom radu prikazana je temeljna teorijska i matematička pozadina neuronskih mreža, nakon čega je detaljnije opisana struktura GEKON modela i mogućnost njegove optimizacije za specifične zadatke. U radu su također prikazani primjeri uporabe takvog modela s naglaskom na primjenu u robotici, ali i etička pitanja koja nastaju zbog iznimno realističnih rezultata takvih mreža. Na kraju rada prikazana je i usporedba implementacije triju vrsta GEKON modela za generiranje realističnih „rukom napisanih“ znamenki.

Izvorni jezik
Hrvatski

Znanstvena područja
Strojarstvo

POVEZANOST RADA