Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/26490
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Гришкин Валерий Михайлович | ru_RU |
dc.contributor.advisor | Griskin Valerij Mihajlovic | en_GB |
dc.contributor.author | Сабреков Артём Азатович | ru_RU |
dc.contributor.author | Sabrekov Artem Azatovic | en_GB |
dc.contributor.editor | Козынченко Владимир Александрович | ru_RU |
dc.contributor.editor | Kozyncenko Vladimir Aleksandrovic | en_GB |
dc.date.accessioned | 2021-03-24T15:50:58Z | - |
dc.date.available | 2021-03-24T15:50:58Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 054696 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/26490 | - |
dc.description.abstract | Дипломная работа на тему: "Применение искусственных нейронных сетей в задачах распознавания изображений" Работа включает: 31 страницу, 10 таблиц, 21 рисунок; использованных источников - 12. Цель работы – реализация искусственных нейронных сетей (ИНС), способных, обучившись на одной части набора изображений, правильно классифицировать вторую часть набора. Для выполнения данной цели были выполнены следующие задачи: 1. Предобработка изображений набора. 2. Реализация нескольких архитектур ИНС. 3. Обучение сетей распознаванию набора изображений. 4. Анализ и сравнение полученных результатов. В данной работе приведены теоретические сведения, подводящие к понимаю ИНС. Также в ней можно увидеть описание проведенного вычислительного эксперимента, анализ и сравнение результатов и итоговые выводы. | ru_RU |
dc.description.abstract | Thesis on the topic: "Application of artificial neural networks in image recognition tasks". Work includes: 31 pages, 10 tables, 21 pictures; used sources - 12. The purpose of the work is the implementation of artificial neural networks (ANNs), capable, having trained on one part of a set of images, to correctly classify the second part of a set. To accomplish this purpose, the following tasks were performed: 1. Image preprocessing 2. Implementing multiple artificial neural networks architectures. 3. Training networks to recognize a set of images. 4. Analysis and comparison of the results. This paper provides theoretical information leading to the understanding of ANN. Also you can see a description of the computational experiment, analysis and comparison of the results and final conclusions. | en_GB |
dc.language.iso | ru | |
dc.subject | распознавание изображений | ru_RU |
dc.subject | исскуственные нейронные сети | ru_RU |
dc.subject | классификация изображений | ru_RU |
dc.subject | обучение нейронной сети | ru_RU |
dc.subject | Tensorflow | ru_RU |
dc.subject | свёрточные нейронные сети | ru_RU |
dc.subject | LSTM | ru_RU |
dc.subject | GRU | ru_RU |
dc.subject | image recognition | en_GB |
dc.subject | artificial neural networks | en_GB |
dc.subject | image classification | en_GB |
dc.subject | neural network training | en_GB |
dc.subject | Tensorflow | en_GB |
dc.subject | convolutional neural networks | en_GB |
dc.subject | LSTM | en_GB |
dc.subject | GRU | en_GB |
dc.title | Application of artificial neural networks in image recognition tasks | en_GB |
dc.title.alternative | Применение искусственных нейронных сетей в задачах распознавания изображений | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Diplom_Sabrekov.pdf | Article | 1,81 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_otzyv_Sabrekov.pdf | ReviewSV | 519,06 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.