Search results for "Mācīšanās"
showing 10 items of 418 documents
iOS lietotnes “Superday” gudro minējumu uzlabošana
2018
Šajā darbā tiek izpētīti vairāki klasifikācijas modeļi, ko varētu potenciāli ieviest lietotnē “Superday”, kura ir automātiska laika uzskaites lietotne - tā mēģina uzminēt, kā lietotājs ir pavadījis savu dienu - cik daudz laika veltīts darbam, atpūtai, ģimenei, sportam u.c. Mašīnmācīšanās modeļi tiks izmantoti, lai mēģinātu uzminēt lietotāja aktivitāti un šie minējumi tiks balstīti uz atrašanās vietas un kustību datiem, ko piedāvā iOS. Lai nonāktu pie gala rezultāta darbs tiek sākts ar datu ievākšanu, kam seko neliela ievākto datu analīze, lai labāk saprastu, kāds klasifikācijas modelis būtu vispiemērotākais. Pēc tam tiek izpētīti un analizēti vairāki mašīnmācīšanās modeļi, ko piedāvā scikit…
Elementu mezglu (savienojumu) veidu klasifikācija būves 3D modelī, izmantojot mašīnmācīšanās metodes
2020
Bakalaura darba mērķis ir, izmantojot mašīnmācīšanās metodes, izveidot darbvirsmas lietotni, kas var automātiski klasificēt uzņēmuma AS ”UPB” inženieru projektēto ēku 3D modeļu elementu savienojumus, tādējādi atvieglojot ēku tāmēšanas un modelēšanas procesu, dodot inženieriem ātru kopsavilkumu par ēkā izmantotajiem savienojumu veidiem un to skaitu. Papildus tam, darba mērķis ir gūt priekšstatu par mašīnmācīšanās pamatiem, kā arī praktisku pieredzi datu sagatavošanu, modeļu veidošanā, apmācībā, testēšanā un veiktspējas analizēšanā.
Ģenētisko algoritmu izmantošana klasifikācijā
2018
Darbā tiek pētīti tie klasifikācijas problēmas risinājumi, kuri izmanto ģenētiskos algoritmus. Klasifikācijas problēmā dati tiek grupēti pa to klasēm. Datu punktiem koordinātu telpā tiek noteiktas to klases. Ģenētiskie algoritmi ir heiristika, kura var uzlabot risinājumus, tos kombinējot. Iespējams klasifikācijas problēmas risinājums ir lēmumu koks. Maģistra darba mērķis ir izpētīt ģenētisko algoritmu izmantošanas iespējas klasifikācijā. Rezultātā tika izstrādāti ģenētisko algoritmu atribūtu selekcijas, klasifikācijas un ansambļa risinājumi. Klasifikācijas risinājums izmanto selekcijas risinājumu. Attiecīgi ansambļa risinājums izmanto klasifikācijas risinājuma klasifikatorus. Tika īstenotas…
Maskēšanas rakstu noteikšana attēlos
2020
Pēdējo gadu laikā stipra uzmanība tiek veltīta datorredzei un tās pielietojumiem, lai risinātu gan globālas, gan lokālas problēmas pasaulē. Datorredzi pielieto gan sejas atpazīšanai tālruņos, auto numura zīmju nolasīšanā, gan arī, piemēram, satelītattēlu apstrādei. Bakalaura darbā tiek apskatīti literatūras avoti gan par ierastiem neironu tīkliem, gan konvolūciju neironu tīkliem, uz kuriem tiek balstīta datorredze, apskatīta neironu tīklu attīstība, salīdzināti dažādi populārākie konvolūciju neironu tīklu veidi. Bakalaura darbā veikta arī praktiskā daļa ar konvolūciju neironu tīkla izstrādi, datu kopas izstrādi ar Latvijas Armijas publiski pieejamajiem attēliem, un konvolūciju tīkla darbinā…
Mašīnmācīšanās pielietojums sporta notikumu prognozēšanā
2017
Dažādu notikumu prognozēšana cilvēcei ir vienmēr bijusi aktuāla. Mūsdienās ir attīstījušās tehnoloģijas, lai to būtu iespējams paveikt balstoties uz pagātnes datiem. Darbā tiek apskatīta sporta notikumu prognozēšana, konkrēti futbola maču iznākumi. Tiek apskatītas vairākas mašīnmācīšanās metodes, kas būtu piemērotākās šī uzdevuma veikšanai. Tiek realizēti un optimizēti divi multi-slāņu perceptrona tīkli un viens vairākkārtējā neironu tīkla, konkrēti LSTM algoritms. Ar tiem tiek veikta simulācija izmantojot reālus datus. Vienā no simulācijām tiek sasniegts pozitīvs rezultāts, sezonas laikā algoritms gūst 65% peļņu.
Valūtas kursa prognozēšana ar neironu tīklu palīdzību
2016
Šī darba mērķis ir modelēt valūtas kursa svārstības ar mākslīgo neironu tīklu palīdzību. Maģistra darbs sastāv no vairākām pētniecības sastāvdaļām uz kurām tiek balstīti sasniegtie rezultāti. Darbā tiek izskatīti valūtas kursu ietekmējošie faktori, kas tiek ņemti par pamatu tālākai pētniecībai praktiskajā daļā. Izstrādes gaitā aplūkoti neironu tīklu darbības pamatprincipi. Praktiskajā daļā veikta valūtas kursa paredzēšana, analizēti iegūtie rezultāti un veikti secinājumi par to, kā uzlabot sasniegtos rezultātus. Sniegts arī neliels ieskats par neironu tīklu pielietojumiem no autora skatu punkta.
Sentimentu analīze tekstiem krievu valodā
2015
Kvalifikācijas darbs tika veidots ar mērķi analizēt „rus.tvnet.lv” portāla komentārus krievu valodā, jo latviešu valodai līdzīgs projekts jau ir izveidots [1]. Programmas izstrādes sākumā bija pieņemts izstrādāt sistēmu, kas spētu izgūt portāla komentārus un ar mašīnmācīšanās algoritmu palīdzību noteikt negatīvus un pazemojošus komentārus. Projekta gaitā tika izlemts paplašināt programmas darbību, ļaujot lietotājiem pašiem noteikt kāda veida komentāri tiks atlasīti. Par mašīnmācīšanās algoritmu tika izvēlēts naivais Baiesa klasifikators. Tika izmantotas PHP un JavaScript programmēsanas valodas, kā arī AJAX tehnoloģija. Sistēma sastāv no 2 moduļiem: tīmekļa vietnes un „Chrome” pārlūkprogramm…
POMDP problēmu risināšana, izmantojot vēsturiskus elementus, un tās optimizācija
2017
Elvja Egles Bakalaura darba „POMDP problēmu risināšana, izmantojot vēsturiskus elementus, un tās optimizācija” ietvaros tika izpētīti daļēji novērojami Markova lēmuma procesu (POMDP) algoritmi. Balstoties uz Jāņa Zutera zinātniski pētniecisko raksta saturu „Sequence Q-Learning: a Memory-based Method Towards Solving POMDP”, kurā ir aprakstīta POMDP risināšanas ideja, tika izstrādāts līdzvērtīgs mašīnmācīšanās algoritms, saskaņā ar rakstā sniegto informāciju. Bakalaura darba ietvaros tika pētīta šī Algoritma efektivitāte, kā arī apskatītas un piedāvātas vairākas iespējas tā tālākai pilnveidei. Programmētais darbs tika pievērsts konkrētai problēmai, kurai bija novērojama labāka ātrdarbība ar n…
Stimulētās mašīnmācīšanās problēmu veidi un risināšanas metodes un rīki
2018
Stimulētā mašīnmācīšanās ir viena no mašīnmācīšanās apakšnozarēm, kas to padara par vienu no mākslīgā intelekta apakšnozarēm. Ar stimulētās mašīnmācīšanas palīdzību un tās paņēmieniem var modelēt fizikālajā pasaulē sastopamas problēmas un veidus, kā tās risināt ar datora palīdzību. Šajā darbā tiks apskatītas vienkāršākās problēmas, kuras parasti tiek risinātas, apgūstot stimulētās mašīnācīšanās pamatprincipus un metodes to risināšanai, un kuras tiek iekļautas mašīnmācīšanās apakšnozare, kā arī pieejamie un nepieciešamie rīki, lai būtu iespējams šīs problēmas modelēt datoram saprotamā veidā un ar to palīdzību būtu iespējams atrisināt tās problēmas, kas ir sastopamas mūsu fiziskajā pasaulē.