Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/41028
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Гергет, Ольга Михайловна | ru |
dc.contributor.author | Раднаев, Чингис Батоцыренович | ru |
dc.date.accessioned | 2017-06-19T12:45:04Z | - |
dc.date.available | 2017-06-19T12:45:04Z | - |
dc.date.issued | 2017 | - |
dc.identifier.citation | 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. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/41028 | - |
dc.description.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. | ru |
dc.description.abstract | 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. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | нейронные сети | ru |
dc.subject | сверточные сети | ru |
dc.subject | гиперпараметры | ru |
dc.subject | машинное обучение | ru |
dc.subject | многослойный перспетрон | ru |
dc.subject | neural networks | en |
dc.subject | hyperparameters | en |
dc.subject | convolutional networks | en |
dc.subject | machine learning | en |
dc.subject | multilayered perceptron | en |
dc.title | Сравнение эффективности архитектур нейронных сетей для решения задачи распознавания изображений | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Институт кибернетики (ИК)::Кафедра программной инженерии (ПИ) | - |
local.institut | 6269 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 01.03.02 | - |
local.thesis.level | Бакалавр | ru |
local.thesis.discipline | Прикладная математика и информатика | - |
local.local-vkr-id | 255733 | - |
local.vkr-id | 23549 | - |
local.stud-group | 8Б31 | - |
local.lichnost-id | 134417 | - |
local.thesis.level-id | 1 | - |
local.tutor-lichnost-id | 56942 | - |
dc.subject.udc | 004.932.75'1-028.24:004.032.26 | - |
Располагается в коллекциях: | Выпускные квалификационные работы (ВКР) |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU414783.pdf | 2,77 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.