Інтелектуальна система дослідження методів машинного навчання
Ескіз недоступний
Дата
2018
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
Актуальність теми.
Вибір, розробка або порівняння методів машинного навчання в області інтелектуального аналізу даних може бути складним завданням, заснованим на цільової задачі і цілі конкретного дослідження. Численні загальнодоступні реальні і змодельовані базові набори даних з'явилися з різних джерел, але їх організація і прийняття в якості стандартів були непослідовними.
Найбільш часто використовуваними методами для вирішення завдання класифікації зображень є: наївний баєсовскький класифікатор, метод k-найближчих сусідів, дерева пошуку та нейроні мережі. Абсолютно всі дані методи вимогливі до тестових даних та чіткого підбора параметрів навчання і навіть незначне похилення, може призвести до втрати ефективності навчання. Для уникнення цього було розроблені спеціальні методи оптимізації як для оптимізації даних до використання алгоритму так і в момент використання алгоритму. Але навіть при використанні усіх відомих методів, відомих науці, завжди залишається можливість того, що результат був не максимально точним, та алгоритм навчання, знайшовши локальний мінімум, не втратив інший який просто не зумів відстежити.
Зв'язок роботи з науковими програмами, планами, темами.
Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень».
Мета і задачі дослідження.
Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для дослідження методів машинного навчання, підвищення їх точності та дослідження впливу параметрів на результат навчання.
Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач:
- аналіз існуючих методів машинного навчання для класифікації зображень;
- розробка застосунку для випробовування обраних методів навчання;
- розробка алгоритму для дослідження ефективності навчання ;
- дослідження ефективності розробленого алгоритму.
Об’єкт дослідження.
Процес машинного навчання для задачі класифікації зображення на основі бази даних MNIST.
Предмет дослідження.
Методи та алгоритми, що використовуються для машинного навчання.
Методи дослідження.
При проведенні досліджень і розробок у дисертаційній роботі використовувались методи машинного навчання, нейронні мережі, методи оптимізації. Для практичної частини – методи функціонального програмування: база даних MNIST, бібліотеки keras, theano та tensotrflow.
Наукова новизна одержаних результатів полягає в наступному:
а) розроблена бібліотека для відображення та аналізу кінцевого та проміжного результату машинного навчання
б) розроблено алгоритм пошуку локального мінімуму
Практичне значення одержаних результатів.
Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для класифікації зображень.
Публікації.
За результатами дослідження опубліковано 2 наукових праці.
Опис
Ключові слова
архітектура, методи машінного навчання, нейронна мережа, методи оптімізації, лінійна апроксимація, квадратична апроксимація, матриця Гесса, метод Монте-Карло, architecture, methods of mashing education, neural network, optimization methods, linear aproximation, quadratic aproximation, Hess mattress, Monte Carlo method
Бібліографічний опис
Коваленко, А. О. Інтелектуальна система дослідження методів машинного навчання : магістерська дис. : 121 Інженерія програмного забезпечення / Коваленко Антон Сергійович. – Київ, 2018. – 68 с.