Бібліотеки машинного навчання для розв’язку задач розпізнавання

Скорочена інформація про документ
dc.contributor.advisorДорогий, Ярослав Юрійович
dc.contributor.authorЛевченко, Ксенія В'ячеславівна
dc.date.accessioned2018-05-21T14:04:40Z
dc.date.available2018-05-21T14:04:40Z
dc.date.issued2018
dc.description.abstractenMaster's thesis “Machine learning frameworks for pattern recognition” consists of 118 pages, 63 figures, 28 tables, 2 appendices, 24 sources. The object of the study are machine learning frameworks. The purpose of the work is to analyze machine learning frameworks by existing and new criteria. Machine learning frameworks are used in every system, which use neural networks, so it’s important to choose a correct machine learning framework. That’s why the most popular frameworks TensorFlow, PyTorch, MXNet, CNTK, Caffe were used in this work. They were compared by training time, by model creation, by time of the execution of basic operations, by support of fine - tuning, by GPU support etc. Python 3.6.4 was used to perform experiments. Foreseeable assumptions about the development of the study – implementing new types of neural networks for rating work of the machine learning frameworks.uk
dc.description.abstractruМагистерская диссертация содержит компаративный анализ современных библиотек машинного обучения. В работе представлены результаты по сравнения по выбранным критериям и результаты экспериментов для определенных операций. Результаты были проанализированы и была выбрана стратегия развития представленной идеи.uk
dc.description.abstractukМагістерська дисертація освітньо-кваліфікаційного рівня «магістр» на тему «Бібліотеки машинного навчання для розв’язку задач розпізнавання»: 11 8 с., 63 рис., 28 табл., 2 додатки, 24 джерела. Об'єкт дослідження – бібліотеки машинного навчання. Мета роботи – оцінити бібліотеки машинного навчання за вже існуючими критеріями та за новими, які представлені у цій роботі. Бібліотеки машинного навчання використовуються у всіх системах, що використовують нейронні мережі, тому важливо правильно підібрати бібліотеку для розв’язку своєї задачі. Саме тому у даній роботі найпопулярніші бібліотеки TensorFlow, PyTorch, MXNet, CNTK, Caffe були порівняні за часом тренування і виконання базових операцій, за способом написання моделі нейронної мережі, підтримкою попередньо натренованих моделей, підтримкою графічного процесора тощо. Для проведення експериментів використовувалась мова програмування Python 3.6.4. Прогнозні припущення про розвиток дослідження – побудова інших видів нейронних мереж для оцінки роботи бібліотек з ними.uk
dc.format.page119 с.uk
dc.identifier.citationЛевченко, К. В. Бібліотеки машинного навчання для розв’язку задач розпізнавання : магістерська дис. : 151 Автоматизація та комп’ютерно - інтегровані технології / Левченко Ксенія В’ячеславівна. – Київ, 2018. – 119 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/22997
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectбібліотеки машинного навчанняuk
dc.subjectнейронні мережіuk
dc.subjectзадача розпізнаванняuk
dc.subjectімперативний підхід до програмуванняuk
dc.subjectсимволічний підхід до програмуванняuk
dc.subjectmachine learninguk
dc.subjectmachine learning frameworksuk
dc.subjectneural networksuk
dc.subjectpattern recognitionuk
dc.subjectimperative and symbolic programminguk
dc.subject.udc004.9uk
dc.titleБібліотеки машинного навчання для розв’язку задач розпізнаванняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
ПЗМД_КПІ_АУТС_2018_ЛевченкоКВ.pdf
Розмір:
5.16 MB
Формат:
Adobe Portable Document Format
Опис:
ПЗМД_КПІ_АУТС_2018_ЛевченкоКВ
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (АУТС)
Магістерські роботи