All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Deep neural network

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APR36441" target="_blank" >RIV/00216305:26220/22:PR36441 - isvavai.cz</a>

  • Result on the web

    <a href="https://www.ueen.fekt.vut.cz/hluboka-neuronova-sit" target="_blank" >https://www.ueen.fekt.vut.cz/hluboka-neuronova-sit</a>

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    čeština

  • Original language name

    Hluboká neuronová síť

  • Original language description

    Navržený algoritmus hluboké neuronové sítě je zobecněním učícího algoritmu zpětného šíření chyby (BPA) na větší počet skrytých vrstev neuronové sítě (hloubka sítě), doplněný zároveň o algoritmus dopředného předučení (hloubkové učení) neuronové sítě na základě nad sebou vrstvených autokodérů. Hloubka sítě je v řádu desítek a více vrstev, pro trénování se používá algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem, např. pomocí autoenkodérů (učení bez učitele), a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Síť bude použita k odhadu spolehlivosti energetických zařízení.

  • Czech name

    Hluboká neuronová síť

  • Czech description

    Navržený algoritmus hluboké neuronové sítě je zobecněním učícího algoritmu zpětného šíření chyby (BPA) na větší počet skrytých vrstev neuronové sítě (hloubka sítě), doplněný zároveň o algoritmus dopředného předučení (hloubkové učení) neuronové sítě na základě nad sebou vrstvených autokodérů. Hloubka sítě je v řádu desítek a více vrstev, pro trénování se používá algoritmus zpětného šíření chyby. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem, např. pomocí autoenkodérů (učení bez učitele), a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Síť bude použita k odhadu spolehlivosti energetických zařízení.

Classification

  • Type

    R - Software

  • CEP classification

  • OECD FORD branch

    20201 - Electrical and electronic engineering

Result continuities

  • Project

    <a href="/en/project/TK04020003" target="_blank" >TK04020003: The use of artificial intelligence in the modernization of system elements diagnostics and optimization of system activities of the energy sector in order to increase the quality of its management</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2022

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Internal product ID

    MODIAS1

  • Technical parameters

    Algoritmus aktivní a adaptivní dynamiky hluboké neuronové sítě ve formě dynamicky linkované knihovny.

  • Economical parameters

    Úspora nákladů za případně nedodanou energii v důsledku výpadku energetického zařízení.

  • Owner IČO

    00216305

  • Owner name

    Vysoké učení technické v Brně