Система оптимального налаштування штучних нейронних мереж глибокої довіри
Вантажиться...
Дата
2019-12
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Об’єктом розробки є система оптимального налаштування штучних
нейронних глибоких мереж довіри.
Мета розробки – автоматизація структурно-параметричного синтезу
нейронних мереж глибокого навчання, зокрема глибоких мереж довіри.
Робота присвячена розробці програмного засобу, що автоматизує
структурно-параметричний синтез штучний нейронних мереж, та дозволяє
отримати нейромережеві моделі, придатні для виробничого застосування.
У дипломі розглянуті сучасні підходи до вирішення поставленого завдання.
На їх основі розроблено архітектуру програмного застосунку, який являє
собою програмну систему, яка складається з окремих компонентів, що робить
її гнучкою для змін, легко керованою та дає можливість інтеграції з іншими
системами. Застосунок побудований із використанням сучасних програмних
засобів, може бути розгорнутий на широкому спектрі обчислювальних систем,
є платформонезалежним.
Отримані результати можуть бути корисними при застосуванні у
робототехнічних системах, що потребують розв’язання задачі розпізнавання
зображень.
Ключові слова: нейронні мережі глибокого навчання, глибока мережа
довіри, обмежена машина Больцмана, оптимізація глибокого навчання,
автоматизована система, програмний застосунок.
Робота містить 89 аркушів, 15 рисунків, 45 таблиць, посилання на 32
джерел, 5 демонстраційних плакатів.
Опис
Ключові слова
нейронні мережі глибокого навчання, глибока мережа довіри, обмежена машина Больцмана, оптимізація глибокого навчання, автоматизована система, програмний застосунок, deep neural networks, deep learning, deep belief networks, restricted Boltzmann machine, deep learning optimization, automated system
Бібліографічний опис
Марусик, О. М. Система оптимального налаштування штучних нейронних мереж глибокої довіри : магістерська дис. : 126 Інформаційні системи та технології / Марусик, Олександр Миколайович. – Київ, 2019. – 99 с.