| Studiju veids |
bakalaura profesionālās studijas |
| Studiju programmas nosaukums |
Transporta elektronika un telemātika |
| Nosaukums |
Interneta trafika klasifikācija ar konvolūcijas neironu tīklu modeli |
| Nosaukums angļu valodā |
Network traffic classification with convolutional neural network model |
| Struktūrvienība |
13107 Telemātikas un transporta elektronisko sistēmu katedra |
| Darba vadītājs |
Elans Grabs |
| Recenzents |
E.Pētersons |
| Anotācija |
Mašīnu apmācība ir zinātne, kura panāk datorsistēmu funkcionēšanu tiešā veidā tās neieprogrammējot. Izmantojot iepriekš gūto pieredze, mašīnu apmācības algoritmi automātiski uzlabojas. Lai to panāktu nepieciešami apmācības dati, no kuriem matemātiskais modelis mācās, kā arī pārbaudes dati, lai pārbaudītu vai modelis darbojas pareizi.
Klasifikācijas uzdevumu veikšanai ir vairāki mašīnu apmācības modeļu veidi, kuri šajā darbā tiek apskatīti. Šajā darbā, lai klasificētu interneta trafiku, tiek izmantots konvolūcijas neironu tīklu modelis, kura uzdevums ir atšķirt trīs dažādus interneta datu plūsmas veidus. Tiek pētīts kā modeļa precizitāti ietekmē dažādi trafika apstrādes parametri, lai atrastu labākos risinājumus tieši šādas problēmas risināšanai.
Darbs sastāv no ievada, četrām nodaļām, secinājumiem, izmantotās literatūras un avotu saraksta, un pielikumiem.
Pirmajā nodaļā tiek aprakstīts vienkāršu mašīnu apmācības algoritms, tā veidi un metodes kādās var klasificēt mašīnu apmācības modeļus kā arī rezultātus ietekmējošie faktori
Otrajā nodaļā tiek tuvāk apskatīts dziļās mašīnu apmācības algoritmi kā arī neironu tīklu mācīšanās modeļi. Tiek pētīta to izcelsme, atšķirības no tradicionālām metodēm, uzbūves īpatnības un veidi, kuros ietverts arī konvolūcijas neironu tīkla apraksts.
Trešajā nodaļā tiek veikta praktiskā darbība – tiek veikta trafika pārtveršana, tā apstrāde un izmantošana konvolūcijas neironu tīkla modelī
Ceturtajā nodaļā tiek analizēti trešajā nodaļā veiktie eksperimenti, analizēti rezultāti un meklētas atbildes kā variējot ar parametriem mainās rezultātu precizitāte.
Darba kopējais apjoms ir 61 lpp. teksts, 37 attēli, 6 pielikumi un 21 literatūras avoti. |
| Atslēgas vārdi |
Interneta, trafika, klasifikācija, ar, konvolūcijas, neironu, tīklu, modeli, mašinu, apmācība, mašīnmācīšanās, |
| Atslēgas vārdi angļu valodā |
Network, traffic, classification, with, convolutional, neural, network, model, machinelearning |
| Valoda |
lv |
| Gads |
2021 |
| Darba augšupielādes datums un laiks |
01.06.2021 12:50:20 |
