| 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 |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| 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 |
