Сравнение эффективности архитектур нейронных сетей для решения задачи распознавания изображений

Abstract

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.