| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Dziļā mašīnmācīšanās algoritmi tīrīšanu robotu ceļa meklēšanā |
| Nosaukums angļu valodā |
Deep Learning Algorithms in Cleaning Robot Path Finding |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Agris Ņikitenko |
| Recenzents |
Pēteris Grabusts |
| Anotācija |
Darbā tiek analizētas dziļās mašīnmācīšanās algoritmu spēja samazināt tīrīšanās robotu veikto ceļu statiskās un dinamiskās vidēs. Darbā tiks aplūkoti pašreizējie komerciāli pieejamie tīrīšanas roboti un to ceļu pētīšanas algoritmi, kurus izmanto tīrīšanas roboti un dziļās mašīnmācīšanās algoritmi, kas atbilst ceļu meklēšanai un plānošanai. Pamatojoties uz analītiskās daļas un izpētes tiek izveidots modelis, kas balstās uz dziļās stimulētās mašīnmācīšanās algoritma. Izstrādātais algoritms tiek pārbaudīts statiskās un dinamiskās vidēs ar šķēršļiem. Iegūtie modeļa rezultāti tiek salīdzināti ar pašreizējo risinājumu spēju veikt īsāku ceļu, lieko soļu daudzumu un spēju pielāgoties nezināmās vidēs. Darba mērķis ir noskaidrot, vai dziļās mašīnmācīšanās algoritmi spēj samazināt soļu skaitu salīdzinājumā ar vienkāršajiem tīrīšanas algoritmiem. Darbā ir 48 lappuses, 25 attēli, 16 tabulas, 1 pielikums un 29 informācijas avoti. |
| Atslēgas vārdi |
DZIĻĀS MAŠĪNMĀCĪŠANĀS ALGORITMI, ROBOTIKA, DATU ANALĪZE |
| Atslēgas vārdi angļu valodā |
DEEP LEARNING ALGORITHMS, ROBOTICS, DATA ANALYSIS |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 23:19:41 |
