Сверточная нейронная сеть для классификации без использования дополнительных библиотек; Молодежь и современные информационные технологии

Detalles Bibliográficos
Parent link:Молодежь и современные информационные технологии.— 2020.— [С. 60-61]
Autor principal: Адаричев В. С.
Autor Corporativo: Национальный исследовательский Томский политехнический университет Инженерная школа информационных технологий и робототехники Отделение информационных технологий
Otros Autores: Иванова Ю. А. Юлия Александровна
Sumario:Заглавие с титульного экрана
В работе представляется сверточная нейронная сеть для классификации цифр на изображениях реализованная без использования дополнительных библиотек машинного обучения. Для оценки качества сегментации применяются различные метрики, такие как: ошибка по модулю и процентная точность. Проведено сравнение различных топологий нейронной сети, на выборке данных, находящейся в библиотеке машинного обучения "Scikit-learn" [1]. По полученным результатам тестирования сделан вывод о наилучшей из рассматриваемых топологий нейронной сети.
Lenguaje:ruso
Publicado: 2020
Colección:Компьютерное моделирование и интеллектуальный анализ данных
Materias:
Acceso en línea:http://earchive.tpu.ru/handle/11683/62155
Formato: xMaterials Electrónico Capítulo de libro
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=631122

MARC

LEADER 00000naa2a2200000 4500
001 631122
005 20231225111920.0
035 |a (RuTPU)RU\TPU\conf\32821 
035 |a RU\TPU\conf\32820 
090 |a 631122 
100 |a 20200626d2020 k y0rusy50 ca 
101 0 |a rus 
102 |a RU 
105 |a y z 101zy 
135 |a drgn ---uucaa 
181 0 |a i  
182 0 |a b 
200 1 |a Сверточная нейронная сеть для классификации без использования дополнительных библиотек  |f В. С. Адаричев, Ю. А. Иванова 
203 |a Текст  |c электронный 
225 1 |a Компьютерное моделирование и интеллектуальный анализ данных 
300 |a Заглавие с титульного экрана 
320 |a [Библиогр.: с. 61 (5 назв.)] 
330 |a В работе представляется сверточная нейронная сеть для классификации цифр на изображениях реализованная без использования дополнительных библиотек машинного обучения. Для оценки качества сегментации применяются различные метрики, такие как: ошибка по модулю и процентная точность. Проведено сравнение различных топологий нейронной сети, на выборке данных, находящейся в библиотеке машинного обучения "Scikit-learn" [1]. По полученным результатам тестирования сделан вывод о наилучшей из рассматриваемых топологий нейронной сети. 
463 0 |0 (RuTPU)RU\TPU\conf\32807  |t Молодежь и современные информационные технологии  |o сборник трудов XVII Международной научно-практической конференции студентов, аспирантов и молодых учёных, 17-20 февраля 2020 г., г. Томск  |f Национальный исследовательский Томский политехнический университет, Инженерная школа информационных технологий и робототехники ; под ред. Д. М. Сонькина [и др.]  |v [С. 60-61]  |d 2020 
610 1 |a электронный ресурс 
610 1 |a труды учёных ТПУ 
610 1 |a сверточные нейронные сети 
610 1 |a классификация 
610 1 |a изображения 
610 1 |a машинное обучение 
610 1 |a сегментация 
610 1 |a распознавание образов 
700 1 |a Адаричев  |b В. С. 
701 1 |a Иванова  |b Ю. А.  |c специалист в области информатики и вычислительной техники  |c доцент Томского политехнического университета, кандидат технических наук  |f 1986-  |g Юлия Александровна  |3 (RuTPU)RU\TPU\pers\45858  |9 22003 
712 0 2 |a Национальный исследовательский Томский политехнический университет  |b Инженерная школа информационных технологий и робототехники  |b Отделение информационных технологий  |3 (RuTPU)RU\TPU\col\23515 
801 2 |a RU  |b 63413507  |c 20200707  |g RCR 
856 4 |u http://earchive.tpu.ru/handle/11683/62155 
942 |c BK