Analysing Neural Network Performance After Training

Cílem této práce je vytvoření nástroje pro analýzu neuronové sítě, tímto nástrojem se stala webová aplikace, která byla vytvořena v rámci této práce. Tato analýza se zakládá na myšlence, že některé ze vstupních proměnných lze z výpočtů vynechat a tím zefektivnit výpočty neuronové sítě při rekonstrukci výsledné řady. Analýza využívá dvou algoritmů, které určují důležitost jednotlivých proměnných. Na těchto dvou algoritmech zkoumáme, jestli je možné jejich využití na reálných datech, která jsou zatížená šumem. V první části jsou popsány jednotlivé metody pro zjišťování důležitosti jednotlivých vstupních proměnných, které jsou použity v této práci. Druhá část popisuje webovou aplikaci, která využívá těchto metod a umožňuje uživateli měnit parametry, které ovlivňují výpočet neuronové sítě a následně vizualizuje jednotlivé výstupu z těchto metod. Závěrem této práce je ukázka implementace těchto metod na reálných datech z oblasti hydrologie a vyhodnocení získaných výsledků.The aim of this work is to create a tool for neural network analysis, the tool had become a web application that was created within this work. This analysis is based on the idea that some of the input variables can be omitted from the calculations, thus making the neural network calculations more effective in reconstructing the resulting series. The analysis uses two algorithms that determine the importance of each variable. On these two algorithms, we examine whether their use on real data that are marred by noise is possible. In the first part, each method for determining the importance of individual input variables that are used in this work are described. The second part describes a web application that uses these methods and allows the user to change parameters that affect neural network calculation and then visualize the individual outputs from these methods. The conclusion of this work is an example of the implementation of these methods on real data from the field of hydrology and the evaluation of obtained results