| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Dziļās apmācības tīklu izmantošana vizuālu tēlu atpazīšanai |
| Nosaukums angļu valodā |
Use of Deep Learning Networks in Recognition of Visual Objects |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Agris Ņikitenko |
| Recenzents |
Dr. sc. ing. Inese Poļaka |
| Anotācija |
Mūsdienās arvien izplatītāka ir mākslīgu neironu tīklu pielietošana problēmu risināšanā, samazinot nepieciešamību nolīgt lielu daudzumu kvalificētu cilvēku. Darba mērķis ir izpētīt, kādas arhitektūras mākslīgs neironu tīkls ir vispiemērotākais tēlu pazīšanas uzdevumam, kā arī realizēt attiecīgās arhitektūras tīkla praktisku izveidi.
Tēlu atpazīšanai vispiemērotākais ir konvolūciju neironu tīkls, pielietojot konvolūciju neironu tīkliem raksturīgu arhitektūru, tika izveidots strādājošs neironu tīkla modelis, ar mērķi klasificēt CIFAR-10 datu kopā pieejamos attēlus pēc tēliem, kādi tajos ir, attēloti, izveidotais neironu tīkla modelis, pielietojot dažādus apmācības uzlabošanas algoritmus, spēja sasniegt 81,88% augstu precizitāti.
Darba apjoms -81 lpp., 0 tabulas, 33 attēli un 1 pielikums |
| Atslēgas vārdi |
tēlu atpazīšana neironu tīkli mašīnapmācība |
| Atslēgas vārdi angļu valodā |
objects recognition neural networks machine learning |
| Valoda |
lv |
| Gads |
2019 |
| Darba augšupielādes datums un laiks |
03.06.2019 09:12:02 |
