prikaz prve stranice dokumenta Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru
  Preuzmi
PDF 5.78 MB
diplomski rad
Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru
2022. urn:nbn:hr:190:632027
Gilja, Borna
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo

Povezani objekti
Programski kod projekta | Prilog
Citirajte ovaj rad

Gilja, B. (2022). Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:632027

Gilja, Borna. "Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:632027

Gilja, Borna. "Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:632027

Gilja, B. (2022). 'Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 02.12.2024., https://urn.nsk.hr/urn:nbn:hr:190:632027

Gilja B. Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2022 [pristupljeno 02.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:632027

B. Gilja, "Surogatni model za funkciju Rosenbrock u višedimenzijskom prostoru", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:632027

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:632027
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovSurogatni model za funkciju Rosenbrock u višedimenzijskom prostoru
Naslov (engleski)Surrogate model for Rosenbrock function in multidimensional space
AutorBorna Gilja
MentorGoran Mauša (mentor)
Član povjerenstvaIvan Štajduhar (predsjednik povjerenstva)
Član povjerenstvaKristijan Lenac (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
Rijeka
Datum i država obrane2022-07-18, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U radu je opisan optimizacijski problem traženja globalnog minimuma Rosenbrock funkcije korištenjem surogatnog modela. Kao surogatni model korištena je neuronska mreža kojom se napravila aproksimacija Rosenbrock funkcije. Razvijeno je kompletno rješenje koje nudi izradu inicijalnog skupa podataka, izgradnju i treniranje modela neuronske mreže kao i optimizaciju korištenjem evolucijskog algoritma. Implementiran je evolucijski algoritam koji vrednuje rješenja pomoću surogatnog modela. U odnosu na evolucijski algoritam koji vrednuje rješenja korištenjem Rosenbrock funkcije, implementirani algoritam je pronašao jednako dobro rješenje uz uštedu od 70,000 izvršavanja Rosenbrock funkcije. Zbog uštede u ukupnom broju izvršavanja funkcije dobrote, korištenje surogatnih modela omogućava rješavanje problema optimizacije u slučaju u kojem vrednovanje jednog rješenja zahtjeva izvršavanje vremenski skupe funkcije.
Sažetak (engleski)
The paper describes the optimization problem of searching for the global minimum of the Rosenbrock function using a surrogate model. As a surrogate model, a neural network was used to approximate the Rosenbrock function. A complete solution has been developed that offers creation of an initial data set, construction and training of a neural network model, as well as optimization using an evolutionary algorithm. An evolutionary algorithm was implemented that evaluates solutions using a surrogate model. Compared to the evolutionary algorithm that evaluates solutions using the Rosenbrock function, the implemented algorithm found an equally good solution with a saving of 70,000 executions of the Rosenbrock function. Due to the savings in the total number of executions of the fitness function, the use of surrogate models enables solving the optimization problem in the case where the evaluation of one solution requires the execution of a time-consuming function.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:632027
Studijski programNaziv: 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 pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2022-07-17 10:45:10