| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Konkurējošu piemēru atpazīšana, novērtējot piemēra troksni |
| Nosaukums angļu valodā |
Detecting Adversarial Examples by Evaluation Example Noise |
| Struktūrvienība |
12100 Informācijas tehnoloģijas institūts |
| Darba vadītājs |
Jurijs Čižovs |
| Recenzents |
Mg. sc. ing. Irīna Provorova |
| Anotācija |
Bakalaura darba izstrādes mērķis ir atrast uzticamu metodi konkurējošu piemēru atpazīšanai, izmantojot statisku trokšņa novērtējumu. Konkurējoši piemēri attēlus klasificējošu dziļo neironu tīklu kontekstā ir attēli, kuriem ļaunprātīgi veiktas mazas, bieži nemanāmas izmaiņas, lai tie tiktu nepareizi klasificēti.
Darba gaitā tika izpētīta dziļo neironu tīklu uzbūve, veikta literatūras par konkurējošiem piemēriem, to izveides metodēm un aizsardzības pret tiem metožu izpēte un analīze. Tika aplūkoti vairāki troksni novērtējoši algoritmi un veikta trokšņu novērtējumu apkopošana un analīze. No pētījuma rezultātiem tiek izdarīts empīrisks spriedums, ka atpazīt konkurējošus piemērus, novērtējot troksni, nav iespējams, un tiek veikta tālāka literatūras, kas atbalsta veikto spriedumu, izpēte un analīze. Tiek veikti secinājumi par neveiksmīgās izvirzītā mērķa izpildes iemesliem un konkurējošo piemēru patieso būtību.
Darba apjoms - 52 lpp., 1 tabula, 28 attēli un 2 pielikumi. |
| Atslēgas vārdi |
konkurējošie piemēri, trokšņa novērtēšana, dziļie neironu tīkli |
| Atslēgas vārdi angļu valodā |
adversarial examples, noise estimation, deep neural networks |
| Valoda |
lv |
| Gads |
2020 |
| Darba augšupielādes datums un laiks |
14.06.2020 15:21:59 |
