Search results for "Neironu tīkli"
showing 10 items of 54 documents
Neironu tīklu arhitektūras attēlu sintēzei no teksta
2021
Attēlu sintēze no teksta, izmantojot mākslīgos neironu tīklus, ir jauns uzdevums datorredzē, tā mērķis: no īsa tekstuāla apraksta ģenerēt atbilstošu un ticamu attēlu. Darbā sniegts apskats par pieejām uzdevuma risināšanā un veikti eksperimenti. Darba teorētiskajā daļā tiek apskatītas 3 GAN pamat-arhitektūras datu sintēzei, 5 GAN arhitektūras attēlu sintēzei no teksta, veikts 61 arhitektūras kvantitatīvs apkopojums par izmantotajām datu kopām, attēlu kvalitātes metriku rezultātiem un koda pieejamību. Tiek apskatītas 3 no populārākajām datu kopām un darbības principi 5 attēlu kvalitātes metrikām. Tiek pētīti transformer tīkli un kombinācijā ļoti labus rezultātus uzrādošie DALLE un CLIP. Darba…
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…
Stereoskopiska video materiāla ģenerācija no parastiem video materiāliem, izmantojot mašīnmācīšanos
2018
Mūsdienās virtuālās realitātes tehnoloģijas kļūst aizvien populārākas. Tomēr, satura veidošanas sarežģītības dēļ kvalitatīvi trīs dimensiju jeb stereoskopiski video materiāli, ko izmantot virtuālajā realitātē, joprojām nav plaši pieejami. Darba autors pēta iespēju atvieglot stereoskopisku video materiālu izveidi, izmantojot mākslīgos neironu tīklus, kuri šādus materiālus ģenerētu no parasta divu dimensiju platleņķa video. Tiek apskatīti iepriekšējie mēģinājumi risināt līdzīgas problēmas, no kuriem viens tiek pārveidots, uztrenēts ar virtuālās realitātes materiāliem un empīriski izvērtēts. Tiek secināts, ka šāda metode ir īstenojama un praktiski pielietojama.
Mašīnmācīšanās pielietojums elektrības mirkļa cenas paredzēšanai
2016
Darba mērķis ir izpētīt mašīnmācīšanās pielietojumu konkrētas problēmas risināšanai. Izvēlētā pētāmā problēma ir elektrības cenas paredzēšana, izmantojot dažādus pieejamos faktorus par noteiktu laika periodu. Darbs tika izstrādāts sadarbojoties ar Viktoriju Bobinaiti, kura izstrādāja savu pētījumu „Modelling Electricity Price Expectations in a Day-Ahead Electricity Market”, no šī pētījuma tika iegūti atbilstošie dati. Darbā tika izveidota datorprogramma, kas pielieto specifisku mašīnmācīšanās veidu – neironu tīklus. Izveidota datorprogramma spēj parametrizēti izveidot neironu tīklus, ļaujot pielāgot gan apmācīšanas procesu, gan mainīt neironu tīkla struktūras parametrus, gan filtrēt pieejam…
Iegultā intelekta risinājums heterogenā iegultā sistēmā objektu detektēšanai attēlos
2020
Maģistra darba mērķis ir veikt iegultā intelekta risinājumu izpēti un eksperimentāla risinājumaimplementēšanu heterogenā iegultā sistēmā objektu detektēšanai attēlos.Darbā teorētiski ir aprakstīti heterogēnu iegulto iekārtu un konvolūciju neironu tīklu dar-bības pamatprincipi. Tāpat darbā tiek apskatīti daži populārākie konvolūciju neironu tīkli, kasparedzēti objektu detektēšanai attēlos. Tiek skaidrota to uzbūve un novērtēšanas metodes. Darbapraktiskajā daļā tiek aprakstīta divu dažādu konvolūciju neironu tīklu apmācīšana un uzstādīšanauz heterogēnas iegultās iekārtas, no kuriem viens ir paredzēts attēlu klasificēšanai, bet otrsobjektu detektēšanai attēlos.
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…
Nodoma noteikšana cilvēka-datora saziņā, izmantojot neironu tīklus
2020
Nodoma noteikšana dabiskās valodas tekstā ir viena no aktuālajām problēmām, veidojot mākslīgā intelekta (MI) dialogsistēmas. Lai dialogsistēma varētu veiksmīgi paveikt kādu uzdevumu (atbildēt uz jautājumu, iegūt datus no zinību bāzes, veikt praktisku darbību, utt.), vispirms jāsaprot, ko lietotājs ir domājis. Darbā analizētas jaunākās metodes nodoma noteikšanai, apskatīti un salīdzināti esošie risinājumi. Darba ietvaros izveidota dialogsistēma, kuras pamatā ir mākslīgais neironu tīkls, kas spēj klasificēt lietotāja nodomu latviešu valodas tekstā. Autors parāda, ka šībrīža līderis dažādu valodas apstrādes problēmu risināšanā – BERT – spēj labi darboties arī latviešu valodā, pārspējot MI plat…
Dziļo viltojumu atpazīšana
2020
Bakalaura darbā “Dziļo viltojumu atpazīšana” gan teorētiski, gan praktiski tiek apskatīti dažādi dziļo viltojumu atpazīšanas algoritmi un realizēti 3 dažādi neironu tīkli viltojumu atpazīšanai. Lai arī dziļie viltojumi var būt bāzēti gan uz video, gan audio izmaiņām, šajā darbā fokuss ir tieši uz video izmaiņām. Tāpat tiek sniegts ieskats arī dziļajos viltojumos pēc to būtības –kas tieši tie ir un kā tie tiek izstrādāti.Lai arī ideja par dziļajiem viltojumiem radās jau pagājušā gadsimta beigās, tolaik tehnoloģijas vēl nebija tik attīstītas, lai šī ideja gūtu plašāku publisko interesi un tā tas bija līdz 2017. gadam, kad dziļie viltojumi strauji sāka gūt propularitāti. Kopš tā laika šīs tēma…
Zīmētu attēlu klasificēšana ar neironu tīkliem
2021
Šī darba mērķis ir iepazīties un izvērtēt esošos zīmētu attēlu klasificēšanas rīkus uz sakropļotiem attēliem, kas ir raksturīgi pikseļgrafikā. Darba gaitā tika izstrādāta metode pikseļattēlu atpazīšanai, izmantojot skiču datu kopu QuickDraw. Pētījuma ietvaros ir salīdzināta Sketch-a-Net neironu tīkla arhitektūra un tiek izveidoti vairāki patvaļīgi konvolucionālie neironu tīkli skiču atpazīšanai. Pikseļattēla pirmsapstrādes ietvaros tiek piedāvāts depikselizācijas un kontrastējošās krāsu sliekšņa algoritms, lai pielīdzinātu pikseļattēlu skices īpatnībām. Papildus darbā tiek salīdzināta TU Berlin datu kopas efektivitāte ar QuickDraw datu kopu.
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.