Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura profesionālās studijas
Studiju programmas nosaukums Transporta elektronika un telemātika
Nosaukums Dziļo neironu tīklu izmantošana video trafika kvalitātes noteikšanā
Nosaukums angļu valodā Using Deep Neural Networks to Determine Video Traffic Quality
Struktūrvienība 13107 Telemātikas un transporta elektronisko sistēmu katedra
Darba vadītājs Elans Grabs
Recenzents V.Jeralovičs
Anotācija Neironu tīkli ir viena no izcilākajām programmēšanas paradigmām. Standarta programmēšanā cilvēks daudz palīdz datoram, norādot, kas jādara, sadalot lielus uzdevumus daudzos mazos un darot visu iespējamo, lai dators varētu viegli izpildīt doto uzdevumu. Neironu tīkla gadījumā datoram tiek dots tikai uzdevums, un nav norādīts, kā to atrisināt. To viņš uzzina, pamatojoties uz datu "novērošanu", "izgudrojot" pats savas problēmas risinājumu. Darbs satur informāciju par mašīnmācīšanos, padziļinātu mācīšanos, neironu tīkliem un to tipiem. Paralēli teorētiskajiem pētījumiem, bakalaura darbā tiek veikta neironu tīklu algoritmu praktiskā realizācija, kas sastāv no trīs posmiem: tiešsaistes video un video ierakstīšanas trafika noņemšana ar Wireshark, noņemto datu apstrāde un sagatavošana ar Python programmēšanas valodu pielietošanai neironu tīkla modeļos, un neironu tīklu apmāciba, lai uzzinātu pareizo atbilžu prognozēšanas precizitāti, izmantojot dažādus datus un modeļus. Iegūtie rezultāti parādīja, ka ir iespējams sasniegt labu atpazīšanas precizitāti gan tiešsaistes video, gan video ierakstiem. Palielinot grafiku analīzes logu, palielinās precizitāte, tāpēc labāk ir izmantot logus, kuru garums ir 5 un 10 sekundes. Trafika intensitātes periods būtiski neietekmē klasifikācijas precizitātes rezultātus, taču labāk izmantot lielāku periodu – 100, vai 1000 ms. Augstākais atbilstības līmenis bija 1. Tas norāda uz programmas izvirzītās atbildes simtprocentīgu līdzību ar pareizo atbildi. Vispiemērotākais statisko momentu skaits ir k = 4, jo tad akurātības rezultāti ir visaugstākie. Darba kopējais apjoms ir 89 lpp. teksts, 66 attēli, 42 tabulas, 4 pielikumi un 11 literatūras avoti.
Atslēgas vārdi Neironu tīkli, Python, Dzīļa dziļa mācīšanās, Wireshark
Atslēgas vārdi angļu valodā Neural networks, Python, Deep learning, Wireshark
Valoda lv
Gads 2021
Darba augšupielādes datums un laiks 01.06.2021 18:43:29