1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 05. Выпускные квалификационные работы
  3. Выпускные квалификационные работы
Full metadata record
DC FieldValueLanguage
dc.contributor.authorШепелева А. А.
dc.contributor.authorСолдатова О. П.
dc.contributor.authorСоловьева Я. В.
dc.coverage.spatialалгоритм обратного распространения ошибки
dc.coverage.spatialалгоритм обучения
dc.coverage.spatialглубокое обучение
dc.coverage.spatialклассификация изображений
dc.coverage.spatialмашинное обучение
dc.coverage.spatialнейронные сети
dc.coverage.spatialошибка классификации
dc.coverage.spatialраспознавание объектов
dc.coverage.spatialсвёрточные сети
dc.creatorШепелева А. А.
dc.date2022
dc.date.accessioned2025-11-27T12:29:28Z-
dc.date.available2025-11-27T12:29:28Z-
dc.date.issued2022
dc.identifier.identifierRU\НТБ СГАУ\ВКР20221017161058
dc.identifier.citationШепелева, А. А. Исследование моделей и алгоритмов обучения свёрточных сетей для распознавания изображений : вып. квалификац. работа по направлению подгот. 09.03.01 Информатика и вычислительная техника (уровень бакалавриата) профиль "Информационные системы» / А. А. Шепелева ; 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 (2,3 Мб). - Текст : электронный
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/55461-
dc.description.abstractЦелью данной выпускной квалификационной работы бакалавра является изучение возможностей моделей сверточных нейронных сетей решать задачу распознавания объектов на изображениях. Целью данной работы является поиск оптимальных архитектуры и параметров нейронной сети для обеспечения наименьшей погрешности распознавания. Задача также предполагает проектирование, обучение и тестирование полученной сети. В рамках выпускной квалификационной работы было проведено исследование зависимости точности распознавания набора изображений свёрточной сети от алгоритма оптимизации, количества эпох обучения, величины батча и dropout. Система реализована на языке Python с помощью среды разработки JetBrains PyCharm 2021.3. При реализации использовались библиотеки машинного обучения Tensorflow и Keras. Сеть обучалась на наборах данных MNIST и CIFAR-10.
dc.subjectалгоритм обратного распространения ошибки
dc.subjectалгоритм обучения
dc.subjectглубокое обучение
dc.subjectклассификация изображений
dc.subjectмашинное обучение
dc.subjectнейронные сети
dc.subjectошибка классификации
dc.subjectраспознавание объектов
dc.subjectсвёрточные сети
dc.subject.rugasnti50.01
dc.subject.udc004.032.26
dc.titleИсследование моделей и алгоритмов обучения свёрточных сетей для распознавания изображений
dc.typeText
local.contributor.authorМинистерство науки и высшего образования Российской Федерации
local.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-modelei-i-algoritmov-obucheniya-svertochnyh-setei-dlya-raspoznavaniya-izobrazhenii-99901
local.identifier.oldurihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Issledovanie-modelei-i-algoritmov-obucheniya-svertochnyh-setei-dlya-raspoznavaniya-izobrazhenii-99901
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Шепелева_Анастасия_Алексеевна_Исследование_моделей_алгоритмов.pdf2.4 MBAdobe PDFView/Open    Request a copy
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.