| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mākslīgo neironu tīklu izpēte un analīze tēlu atpazīšanas uzdevumos |
| Nosaukums angļu valodā |
A Study and Research of Artificial Neural Networks in Pattern Recognition Tasks |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dr. sc. ing. Sergejs Paršutins |
| Recenzents |
Mg. sc. ing. Egmonts Treiguts |
| Anotācija |
Tēlu atpazīšanas uzdevumi ir kļuvuši par neatņemamu daļu mūsdienu sabiedrībā.
Piemēram, onkoloģijā spēja noteikt diagnozi pacientiem pēc iespējas precīzāk un ātrāk,
izmantojot vizualizētus datus, varētu palīdzēt novērst letālus gadījumus un efektīvi ārstēt
slimību ar pareizu zāļu lietošanu. Lai gan tika izstrādāti dažādi algoritmi tēlu atpazīšanas
uzdevuma risināšanai, darbā tiek apskatīti neironu tīkli.
Pētījuma mērķis ir izpētīt un aprakstīt mākslīgo neironu tīklu darbības pamatprincipus.
Darbā tika apskatīti divi apmācīšanās algoritmi: pašorganizējošā neironu tīkla kartēšana un
kļūdu atgriezeniskās izplatīšana. Eksperimentu veikšanai tika izmantotas Orange Canvas un
Multiple Back-Propagation programmatūra. Galvenais darba pētījuma virziens ir noteikt, vai
mākslīgo neironu tīkls var sniegt precīzu risinājumu vēža un veselu gadījumu diagnozes
noteikšanai pacientiem, dati par kuriem tika ņemti no trim datu kopām. Šīs datu kopas tika
izvēlētas dēļ tā, ka tiem ir atšķirīgi atribūti, to tipi un skaits. Darbā tika analizēta abu
algoritmu efektivitāte strādājot ar visām apskatītajām datu kopām. Turklāt, darba beigās tika
apkopoti algoritmu darbības rezultāti. |
| Atslēgas vārdi |
Neironu tkli, pašorganizējošie neironu tīkli, daudzslāņu neironu tīkli, tēlu atpazīšana |
| Atslēgas vārdi angļu valodā |
Neural network, self-organising maps, multilayer neural network, pattern recognition |
| Valoda |
lv |
| Gads |
2012 |
| Darba augšupielādes datums un laiks |
19.06.2012 23:44:57 |
