Optymalizacja hiperparametrów procesu uczenia sieci neuronowych z wykorzystaniem algorytmu genetycznego

dc.contributor.author	Zawadzki, Michał Marek
dc.date.accessioned	2023-01-31T14:13:15Z
dc.date.available	2023-01-31T14:13:15Z
dc.date.issued	2023-01-31
dc.identifier.issn	2022/I/G/13
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/2354
dc.description.abstract	Celem pracy jest stworzenie modelu (sieci neuronowej) do predykcji popularności, jaką może uzyskać utwór muzyczny na platformie Spotify, na podstawie jego cech muzycznych. Wykorzystany zostanie zbiór danych stworzony z wykorzystaniem publicznego API Spotify i opublikowany na platformie Kaggle. Do dobrania optymalnych hiperparametrów procesu uczenia modelu zostanie zastosowany algorytm genetyczny.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	;Nr 6585
dc.subject	algorytm genetyczny	pl_PL
dc.subject	gen	pl_PL
dc.subject	genom	pl_PL
dc.subject	funkcja dopasowania	pl_PL
dc.subject	selekcja naturalna	pl_PL
dc.subject	krzyżówka	pl_PL
dc.subject	mutacja	pl_PL
dc.subject	sztuczna sieć neuronowa	pl_PL
dc.subject	jednostka liniowa z progiem	pl_PL
dc.subject	propagacja wsteczna	pl_PL
dc.title	Optymalizacja hiperparametrów procesu uczenia sieci neuronowych z wykorzystaniem algorytmu genetycznego	pl_PL
dc.title.alternative	Optimization of Artificial Neuronal Network Learning Process Hiperparameters by Genetic Algorithm	pl_PL
dc.type	Thesis	pl_PL