| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Neironu tīklu stāvokļa diagnosticēšana, analizējot to parametru sadalījumu |
| Title in English |
Neural Network State Diagnosis Based on Parameter Distribution Analysis |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Henrihs Gorskis |
| Reviewer |
Ilze Bērziņa |
| Abstract |
Mākslīgo neironu tīklu apmācības kvalitātes noteikšana joprojām galvenokārt balstās uz testa datu kopām, kas ir lēns un resursietilpīgs process, turklāt bieži vien testa dati nav pieejami privātuma dēļ vai arī pieejams ir tikai pats modelis bez datiem. Šī bakalaura darba mērķis ir izstrādāt un eksperimentāli pārbaudīt klasifikācijas modeli, kas spēj diagnosticēt fiksētas arhitektūras neironu tīkla stāvokļa kvalitāti, izmantojot tikai tā svaru statistiskos rādītājus. Pētījuma gaitā tika veikta literatūras analīze, definēta eksperimenta metodoloģija, ģenerēti 700 primārie modeļi – 500 uz MNIST datu kopas un 200 uz Fashion-MNIST datu kopas, mainot septiņus hiperparametrus, un aprēķināti seši statistiskie rādītāji katram no trim modeļa slāņiem, kopā 18 pazīmes. Izmantojot Random Forest klasifikatoru uz MNIST modeļiem, tika sasniegta 86,0% precizitāte testa kopā, turklāt slikto modeļu atpazīšanas F1 rādītājs bija 0,93. Vispārināšanas eksperimentā ar Fashion-MNIST datu kopu un plašāku arhitektūru precizitāte saglabājās 56,0%, bet slikto modeļu atpazīšana joprojām bija augsta (F1=0,90). Darba apjoms ir 51 lappuses, tas ietver 13 attēlus, 5 formulas, 4 tabulas, 1 pielikumu ar programmatūras kodu un 26 informācijas avoti. |
| Keywords |
MĀKSLĪGIE NEIRONU TĪKLI, MODEĻU DIAGNOSTIKA, PARAMETRU ANALĪZE, KLASIFIKĀCIJA, MAŠĪNMĀCĪŠANĀS |
| Keywords in English |
ARTIFICIAL NEURAL NETWORKS, MODEL DIAGNOSTICS, PARAMETER ANALYSIS, CLASSIFICATION, MACHINE LEARNING |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
25.05.2026 16:20:47 |
