Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://earchive.tpu.ru/handle/11683/41028
Название: Сравнение эффективности архитектур нейронных сетей для решения задачи распознавания изображений
Авторы: Раднаев, Чингис Батоцыренович
Научный руководитель: Гергет, Ольга Михайловна
Ключевые слова: нейронные сети; сверточные сети; гиперпараметры; машинное обучение; многослойный перспетрон; neural networks; hyperparameters; convolutional networks; machine learning; multilayered perceptron
Дата публикации: 2017
Библиографическое описание: Раднаев Ч. Б. Сравнение эффективности архитектур нейронных сетей для решения задачи распознавания изображений : бакалаврская работа / Ч. Б. Раднаев ; Национальный исследовательский Томский политехнический университет (ТПУ), Институт кибернетики (ИК), Кафедра программной инженерии (ПИ) ; науч. рук. О. М. Гергет. — Томск, 2017.
Аннотация: Задача оптимизации гиперпараметров является актуальной в области машинного обучения. Для проведения вычислительных экспериментов рассматривались такие архитектуры нейронных сетей, как многослойный персептрон и сверточная нейронная сеть. Объектом исследования является архитектуры нейронных сетей для распознавания изображений. Целью данной работы является исследование эффективности нейросетевых архитектур для распознавания рукописных символов. В ходе выполнения работы вычислительный эксперимент по нахождению гиперпараметров с применением языка Python и библиотек Keras и Theano.
The problem of hyperparameter optymization is actual in machine learning. Providing computer experiment, considered following neural network architectures: multilayered perceptron and convolutional neural network. Software implementation of calculatings is written on Python language using Keras and Theano libraries.
URI: http://earchive.tpu.ru/handle/11683/41028
Располагается в коллекциях:ВКР

Файлы этого ресурса:
Файл РазмерФормат 
TPU414783.pdf2,77 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.