| Abstract |
Neironu tīkli ir viena no izcilākajām programmēšanas paradigmām. Standarta programmēšanā cilvēks daudz palīdz datoram, norādot, kas jādara, sadalot lielus uzdevumus daudzos mazos un darot visu iespējamo, lai dators varētu viegli izpildīt doto uzdevumu. Neironu tīkla gadījumā datoram tiek dots tikai uzdevums, un nav norādīts, kā to atrisināt. To viņš uzzina, pamatojoties uz datu "novērošanu", "izgudrojot" pats savas problēmas risinājumu.
Darbs satur informāciju par mašīnmācīšanos, padziļinātu mācīšanos, neironu tīkliem un to tipiem. Paralēli teorētiskajiem pētījumiem, bakalaura darbā tiek veikta neironu tīklu algoritmu praktiskā realizācija, kas sastāv no trīs posmiem: tiešsaistes video un video ierakstīšanas trafika noņemšana ar Wireshark, noņemto datu apstrāde un sagatavošana ar Python programmēšanas valodu pielietošanai neironu tīkla modeļos, un neironu tīklu apmāciba, lai uzzinātu pareizo atbilžu prognozēšanas precizitāti, izmantojot dažādus datus un modeļus.
Iegūtie rezultāti parādīja, ka ir iespējams sasniegt labu atpazīšanas precizitāti gan tiešsaistes video, gan video ierakstiem. Palielinot grafiku analīzes logu, palielinās precizitāte, tāpēc labāk ir izmantot logus, kuru garums ir 5 un 10 sekundes. Trafika intensitātes periods būtiski neietekmē klasifikācijas precizitātes rezultātus, taču labāk izmantot lielāku periodu – 100, vai 1000 ms. Augstākais atbilstības līmenis bija 1. Tas norāda uz programmas izvirzītās atbildes simtprocentīgu līdzību ar pareizo atbildi. Vispiemērotākais statisko momentu skaits ir k = 4, jo tad akurātības rezultāti ir visaugstākie.
Darba kopējais apjoms ir 89 lpp. teksts, 66 attēli, 42 tabulas, 4 pielikumi un 11 literatūras
avoti. |
