Search results for "Dziļie Neironu tīkli"
showing 6 items of 6 documents
Attēla atpazīšanas trokšņa ietekmes samazināšanas metodes dziļajos neironu tīklos, izmantojot brīvpieejamos attēla datus
2017
Attēlu atpazīšana pēdējos gados, izmantojot dziļos neironu tīklus, ir kļuvusi par vienu no vispētītākajām dziļās mašīnmācīšanās apakšnozarēm. Ievades attēls vairāk vai mazāk var saturēt dažādus trokšņu veidus, kas, piemēram, var rasties dēļ lādiņu saites matricas CCD defektiem vai, piemēram, dēļ beigtiem pikseļiem šķidro kristālu LCD monitoros, tādējādi radot kļūdas attēlu atpazīšanas procesā. Maģistra darba "Attēla atpazīšanas trokšņa ietekmes samazināšanas metodes dziļajos neironu tīklos, izmantojot brīvpieejamos attēla datus" mērķis ir veikt pētījumu starp konkrētām trokšņa ietekmes samazināšanas metodēm, kas tika pielietotas uz pašveidotiem trokšņainiem MNIST (Mixed National Institute o…
YOLO pieeja cilvēku kustību klasificēšanai
2021
Cilvēku aktivitātes klasificēšana ar viedierīču palīdzību ir noderīga gan medicīnas pielietojumiem, gan sporta pielietojumiem, un citiem. Piemēram, pateicoties tai ir iespējams atpazīt lietotāja kritienu un savlaicīgi izsaukt palīdzību. Šajā darbā ir apskatīts kā tiek veikta cilvēku kustību atpazīšana un sportisko aktivitāšu atkārtojumu skaitīšana ar viedtālruņiem. Darba praktiskajā daļā ir ievākti kustību dati no vairākiem cilvēkiem veicot pietupienus. Šie dati izmantoti, lai izveidotu dziļo neironu tīklu modeli, kurš spēj atpazīt pietupienus, kā arī saskaitīt to atkārtojumu skaitu. Darbā tiek piedāvāts izmantot konvolūciju līmeņus un idejas no YOLO dziļo neironu tīkla, kuru izmanto objekt…
Mākslīgais neironu tīkls kredītreitinga noteikšanai
2020
Darbā “Mākslīgais neironu tīkls kredītreitinga noteikšanai” tiek pētīts par dažādiem neironu tīklu arhitektūras uzbūves principiem, apskatītas lielākās problēmas saistībā ar šīm arhitektūrām un iespējamajām metodēm, kas spētu labot konkrētos problēmgadījumus. Darba mērķis ir izveidot vairākus neironu tīklus balstoties uz apskatītajām arhitektūrām, tādā veidā izveidojot darbojošos neironu tīklu, kas kalpotu kā instruments fiziskas personas kredītreitinga noteikšanai. Neirona tīkla mērķis ir klasificēt fiziskas personas aizdevumu pieprasījumu apstiprinošā vai noraidošā grupā atkarībā no ievades datiem. Papildus darbā tiek pētīti dažādo neirona tīkla arhitektūru rezultāti atkarībā no izvēlētās…
Dziļo neironu tīkla lietojums portfeļa konstrukcijas optimizācijā
2019
Samazinoties skaitļošanas jaudas izmaksām un pieaugot pētniecībai, neironu tīklu popularitāte pēdējos gados strauji augusi, un to pielietojumam tiek atrastas jaunas vietas, kas iepriekš nav bijušaspraktiskipieejamas. DarbātiekizmantotarekurentuneironatīklustruktūraMarkovitza optimālā portfeļa kontekstā, lai optimizētu riska un kapitāla ienesīguma attiecību ieguldījumu portfeļos. Izmantojotpēdējodesmitgaduikmēnešadatustiekdemonstrēts,kadziļoneironutīklu struktūrasuzrādalabākusniegumukāvienmērīgisabalansētsieguldījumuportfelisunklasiskās finanšu literatūras metodes, sasniedzot augstāku absolūto ienesīgumu un Sharpe koeficientu trenēšanasuntestakopās.
Attēlu aprakstīšana ar konvolūciju un rekurentajiem neironu tīkliem
2017
Automātiskā attēlu aprakstīšana ir fundamentāla mākslīgās inteliģences problēma, ku- ra apvieno kompjūter-redzes un naturālās valodas apstrādes algoritmus. Šajā darbā tiks apskatīta šī nozare, pielietots apbalvojumus izcīnījis modelis un pētītas šī modeļa variāci- jas. Attēlus aprakstošais modelis ir mākslīgais neironu tīkls, kurš sevī apvieno konvolūciju un rekurento neironu tīklu arhitektūras. Darbā vispirms abas arhitektūras ir apskatītas atsevišķi, kā arī teorija, uz kuru balstās modelis. Apskatītais modelis un tā variācijas tiek salīdzinātas, izmantojot klasiskos mašīnmācīšanās rādītājus un mašīntulkošanā izman- totas metrikas. Pēc dažiem rādītājiem oriģinālā modeļa uzlabojumi izrādījā…
Dziļo neironu tīklu veidi un galvenās risināmās problēmas
2017
Darbā tika pētīta mašīnmācīšanās apakšnozare, dziļie neironu tīkli. Lai gūtu nepieciešamās pamatzināšanas par neironu tīklu uzbūvi un darbības principiem, sākotnēji tika apskatīti vienkāršākie neironu tīkli – perceptroni. Pēc tam tika pētīta dziļā mācīšanās un dziļie neironu tīkli, to, kas tiek saprasts ar šo jēdzienu, kādā veidā tie atšķiras no tradicionālajiem risinājumiem, kādi ir to veidi un to kādus uzdevumus un kādā veidā tie spēj risināt. Rezultātā autors ieguva zināšanas neironu tīklu nozarē, kuras var izmantot tālākajā izpētē. Ir sniegts ieskats neironu tīklu pamatos, izpētīta dziļo neironu tīklu nozare, apskatīti populārākie dziļie neironu tīkli un to dažādais pielietojums. Kā arī…