Methods for optimising parameters of convolutional neural networks

Konvolucijske neuronske mreže su model koji se često koristi u strojnom učenju zbog svoje prilagodljivosti. Kako bi se mreža dobro prilagodila određenom problemu potrebno optimizirati kombinaciju niza parametara koji će utjecati na sposobnost generalizacije i brzinu učenja. U ovom radu predstavljeni su metode koje se mogu koristiti i parametri koji se mogu namještati za vrijeme optimizacije neuronske mreže. Dodatno odrađena je optimizacija nad kombinacijama parametara te je analiziran krajnji rezultat pomoću vremenskih i kutijastih grafova. Convolutional neural networks are often used model in machine learning because of their adaptability. To make a network adapt to a certain problem, it is necessary to optimize the combination of a number of parameters which will affect the network's ability to generalize and its learning speed. This thesis presents various methods that can be used and parameters that can be adjusted during the optimization of the network. It also perfoms optimization and analyzes the end result using accuracy-time and box plots.