Отрывок: Обычно включается между полносвязными слоями. Имеет параметр p – вероятность, с которой связь между нейронами будет «разорвана». Таким образом исключаются чересчур сильно влияющие на результат нейроны, что также позволяет избежать переобучения. Перебор всех архитектур сетей при ограничении множества с помощью теории Вапника Червоненкиса с помощью метода из раздела 2.3 дал...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorКузенная А. М.ru
dc.contributor.authorСолдатова О. П.ru
dc.contributor.authorМинистерство образования и науки Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.coverage.spatialалгоритм обратного распространения ошибкиru
dc.coverage.spatialнейронные сетиru
dc.coverage.spatialсверткаru
dc.coverage.spatialтопологияru
dc.coverage.spatialраспознавание изображенийru
dc.coverage.spatialраспознавание рукописных цифрru
dc.coverage.spatialмера Вапника-Червоненкисаru
dc.creatorКузенная А. М.ru
dc.date.issued2017ru
dc.identifierRU\НТБ СГАУ\ВКР20170705162331ru
dc.identifier.citationКузенная, А. М. Исследование зависимости погрешности распознавания рукописных цифр от топологии сверточной нейронной сети : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / А. М. Кузенная ; рук. работы О. П. Солдатова ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. систем и технологий. - Самара, 2017. - on-lineru
dc.description.abstractВ рамках выпускной квалификационной работы было проведено исследование зависимости погрешности распознавания рукописных цифр от топологии или архитектуры сверточной нейронной сети.Целью данной работы является поиск оптимальной для решения данной задачи архитектуры сверточной сети, а также подбор ее параметров для обеспечения наименьшей погрешности распознавания. Задача также предполагает проектирование, обучение и тестирование полученной сети.Для обучения и тестирования использовалась размеченная база рукописных изображений MNIST, предложенная Национальным Институтом Стандартов и Технологий США [1].Система реализована на языке Python в текстовом редакторе gedit.ru
dc.format.extentЭлектрон. дан. (1 файл : 1,7 Мб)ru
dc.titleИсследование зависимости погрешности распознавания рукописных цифр от топологии сверточной нейронной сетиru
dc.typeTextru
dc.subject.rugasnti50.01ru
dc.subject.udc004.032.26ru
dc.textpartОбычно включается между полносвязными слоями. Имеет параметр p – вероятность, с которой связь между нейронами будет «разорвана». Таким образом исключаются чересчур сильно влияющие на результат нейроны, что также позволяет избежать переобучения. Перебор всех архитектур сетей при ограничении множества с помощью теории Вапника Червоненкиса с помощью метода из раздела 2.3 дал...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Кузенная_Анастасия_Михайловна_Исследование_зависимости_погрешности_распознавания.pdf1.76 MBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



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