Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids maģistra akadēmiskās studijas
Studiju programmas nosaukums Intelektuālas robotizētas sistēmas
Nosaukums Vērtību iterāciju algoritma realizācija dziļās apmācības mākslīgajos neironu tīklos
Nosaukums angļu valodā Value Iteration Algorithm Implementation in Deep Artificial Neural Networks
Autors Valters Vēciņš
Struktūrvienība 12300 Lietišķo datorsistēmu institūts
Darba vadītājs Agris Ņikitenko
Recenzents V.Osadčuks, LLU asoc.profesors
Anotācija Vērtību iterāciju algoritma izpilde ir iteratīva un slikti paralelizējama. Algoritma izpildes laiks pieaug eksponenciāli, palielinot ieejas kartes izmēru. Izstrādātais RResUNet mākslīgo neironu tīklu modelis ir paralelizējams un atrisina vērtību iterāciju algoritma uzdevumu. Izstrādātais modelis spēj izpildīt uzdevumu ar mazāk iterācijām nekā vērtību iterāciju algoritms, un, palielinot ieejas kartes izmēru, tā izpildes laiks palielinās mazāk kā vērtību iterāciju algoritmam. Darba ietvaros ir izstrādāta jauna, fundamentāla mākslīgo neironu tīklu modeļu arhitektūra RResUNet, ko var izmantot dažādu uzdevumu risināšanā, kā arī ir izveidota programma dažādu veidu diskrētu karšu datu kopas ģenerēšanai. Izstrādātā programma datu kopas ģenerēšanai un programma mašīnmācīšanās testu veikšanai ir ievietotas atvērtā koda platformā GitLab un ir publiski pieejamas citu pētījumu veikšanai. Pētījuma testu izpildei tika izmantots RTU HPC superdators. Darba pamattekstā ir 69 lappuses, 41 attēls, 5 tabulas un 26 informācijas avoti.
Atslēgas vārdi MAŠĪNAPMĀCĪBA, MĀKSLĪGIE NEIRONU TĪKLI, VĒRTĪBU ITERĀCIJU ALGORITMS, CNN, RNN, UNET, RESNET, RRESUNET
Atslēgas vārdi angļu valodā MACHINE LEARNING, NEURAL NETWORKS, VALUE ITERATIONALGORITHM, CNN, RNN, UNET, RESNET, RRESUNET
Valoda lv
Gads 2019
Darba augšupielādes datums un laiks 27.05.2019 16:14:54