| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Kļūdas funkciju salīdzinājums attēlu klasifikācijas uzdevumiem, izmantojot dziļo mašīnmācīšanos |
| Title in English |
Comparison of loss functions for image classification in the Deep Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ēvalds Urtāns |
| Reviewer |
Katrina Boločko |
| Abstract |
Bakalaura darbs ir fokusēts zudumu funkciju salīdzināšanai dažādās konfigurācijās trim datu kopām: Fashion MNIST, CIFAR-10 un KMNIST. Zaudējumu funkciju veiktspēja tiek salīdzināta, kad tās tiek pārbaudītas ar dažādām varbūtības sadalījuma funkcijām. Darbā tiek salīdzinātas četras zudumu funkcijas: Kategoriskais šķērsvirziena entropy zudums, KL nobīde, JS nobīde un fokusa zudums (divas konfigurācijas). Ar šīm zuduma funkcijām eksperimentos izmanto trīs varbūtības sadalījuma funkcijas – Softmax, Soft-margin Softmax un Taylor Softmax. Rezultāti liecina, ka konfigurācijas ar kategorijas šķērsvirziena entropy zudumu nodrošina rezultātus ar vislabāko precizitāti. Kaut arī konfigurācijas ar fokusu ar gamma, kas vienāda ar 0,5, ir visātrākās.
Bakalaura darbs sastāv no 67 lappusēm, 41 attēla un 36 uzziņu avotiem. |
| Keywords |
DZIĻA MĀCĪŠANĀS, ZUDUMA FUNKCIJA, ATTĒLU KLASIFIKĀCIJA, NEIRONU TĪKLS, SALĪDZINĀJUMS |
| Keywords in English |
DEEP LEARNING, LOSS FUNCTION, IMAGE CLASSIFICATION, NEURAL NETWORK, COMPARISON |
| Language |
eng |
| Year |
2022 |
| Date and time of uploading |
29.05.2022 15:52:43 |
