Diplomová práce

Neurosymbolic learning with Random Forest

Bc. Michal Barnišin
Anotace

Neurosymbolické učenie spája výhody neurónových sietí a symbolických metód – silu pri rozpoznávaní vzorov a zároveň lepšiu interpretovateľnosť a efektivitu. V tejto práci skúmame hybridný model, ktorý používa GoogLeNet na získavanie príznakov z obrázkov a náhodný les na ich klasifikáciu na základe aktivácií neurónov z rôznych vrstiev. Zameriavame sa na menšie obrázkové datasety a ukážeme, že tento …více

Abstract

Neurosymbolic learning combines the representational power of neural networks with the data efficiency and interpretability of symbolic methods. In this thesis, we investigate a hybrid approach using GoogLeNet as a feature extractor and a random forest classifier trained on intermediate neuron activations. Focusing on moderately small image datasets, we show that this combination can improve classification …více

Zadání práce

  • Give an overview of current techniques of neurosymbolic learning

  • Choose one of those neurosymbolic approaches

  • Implement a system that employs Random Forest

  • Perform experiments with different kind of benchmark data where neural networks have been successful
       
  • Compare with results without Random Forest

  •  
Práce zkontrolována:
2. 6. 2025 06:19, doc. RNDr. Lubomír Popelínský, Ph.D.
Jazyk práce
angličtina angličtina
Termín obhajoby
17. 6. 2025
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Lubomír Popelínský, Ph.D.
KSUZD FI MU

Oponent

RNDr. Ondřej Sotolář, Ph.D., učo 359473
KSUZD FI MU

Masarykova univerzita Fakulta informatiky
Plán
Strojové učení a umělá inteligence
  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.
  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.
  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.
  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.
  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.