Отрывок: (23) В качестве функции ошибки выбрана перекрестная энтропия: 𝐻(𝑦, 𝑑) = ∑ 𝑑𝑠 log 𝑦𝑠 𝑀 𝑠=1 , (24) где 𝑦𝑠 – распределение вероятностей на выходах сети; 𝑑𝑠 – эталонное распределение вероятностей; M – количество классов. 3.2 Решение задачи классификации с помощью MNIST 3.2.1 Набор данных MNIST В данной работе для класси...
Название : Исследование топологий и алгоритмов обучения модели многослойного персептрона для распознавания изображений
Авторы/Редакторы : Лебедева Т. Д.
Солдатова О. П.
Соловьева Я. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Дата публикации : 2022
Библиографическое описание : Лебедева, Т. Д. Исследование топологий и алгоритмов обучения модели многослойного персептрона для распознавания изображений : вып. квалификац. работа по направлению подгот. 09.03.01 Информатика и вычислительная техника (уровень бакалавриата) профиль "Информационные системы» / Т. Д. Лебедева ; рук. работы О. П. Солдатова ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информати. - Самара, 2022. - 1 файл (2,5 Мб). - Текст : электронный
Аннотация : Объектами исследования является топологии и алгоритмы обучения многослойного персептрона для распознавания изображений. Цель работы – изучение возможностей моделей нейронных сетей решать задачу распознавания изображений на примере многослойного персептрона. Разработан информационно-логический проект системы: построены диаграммы с помощью методологии UML, разработан алгоритм функционирования и описана архитектура системы. Система реализована на языке Python c помощью среды разработки JetBrains PyCharm 2021.3.3. При реализации использовались библиотеки машинного обучения TensorFlow и Keras.
URI (Унифицированный идентификатор ресурса) : http://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-topologii-i-algoritmov-obucheniya-modeli-mnogosloinogo-perseptrona-dlya-raspoznavaniya-izobrazhenii-99920
Другие идентификаторы : RU\НТБ СГАУ\ВКР20221021101208
Ключевые слова: CIFAR-10
MNIST
алгоритмы обучения
глубокое обучение
машинное обучение
многослойный персептрон
нейронные сети
распознавание изображений
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Лебедева_Татьяна_Дмитриевна_Исследование_топологий_алгоритмов.pdf2.53 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



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