Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Kļūdas funkciju salīdzinājums attēlu klasifikācijas uzdevumiem, izmantojot dziļo mašīnmācīšanos
Nosaukums angļu valodā Comparison of loss functions for image classification in the Deep Learning
Struktūrvienība 33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Darba vadītājs Ēvalds Urtāns
Recenzents Katrina Boločko
Anotācija Bakalaura darbs ir fokusēts zudumu funkciju salīdzināšanai dažādās konfigurācijās trim datu kopām: Fashion MNIST, CIFAR-10 un KMNIST. Zaudējumu funkciju veiktspēja tiek salīdzināta, kad tās tiek pārbaudītas ar dažādām varbūtības sadalījuma funkcijām. Darbā tiek salīdzinātas četras zudumu funkcijas: Kategoriskais šķērsvirziena entropy zudums, KL nobīde, JS nobīde un fokusa zudums (divas konfigurācijas). Ar šīm zuduma funkcijām eksperimentos izmanto trīs varbūtības sadalījuma funkcijas – Softmax, Soft-margin Softmax un Taylor Softmax. Rezultāti liecina, ka konfigurācijas ar kategorijas šķērsvirziena entropy zudumu nodrošina rezultātus ar vislabāko precizitāti. Kaut arī konfigurācijas ar fokusu ar gamma, kas vienāda ar 0,5, ir visātrākās. Bakalaura darbs sastāv no 67 lappusēm, 41 attēla un 36 uzziņu avotiem.
Atslēgas vārdi DZIĻA MĀCĪŠANĀS, ZUDUMA FUNKCIJA, ATTĒLU KLASIFIKĀCIJA, NEIRONU TĪKLS, SALĪDZINĀJUMS
Atslēgas vārdi angļu valodā DEEP LEARNING, LOSS FUNCTION, IMAGE CLASSIFICATION, NEURAL NETWORK, COMPARISON
Valoda eng
Gads 2022
Darba augšupielādes datums un laiks 29.05.2022 15:52:43