Навчальна система на основі нейронної мережі та доповненої реальності

Скорочена інформація про документ
dc.contributor.advisorСтіренко, Сергій Григорович
dc.contributor.authorЖабокрицький, Ігор Вадимович
dc.date.accessioned2020-01-15T10:43:18Z
dc.date.available2020-01-15T10:43:18Z
dc.date.issued2019
dc.description.abstractenMaster's dissertation: 96 pp., 25 figures, 33 tables, 1 supplement, 19 sources. The essence of using convolutional neural networks for recognizing alphabets is to break down and identify the necessary features for further convolution and sub-cells. The main purpose of the work is to improve existing approaches in the work and tuning of convolutional neural networks and to further integrate development into the developed applications. The urgency of the problem. Due to the rapid development and introduction of environmental recognition technologies and augmented reality, there is a need to develop a system that can integrate these tools with the elements of the learning process. The urgency of the problem is also related to the need to improve existing methods and approaches in identifying environmental objects using neural networks. Research methods: analysis (problems of image processing by convolutional networks), abstraction and synthesis (selection and consideration of several important factors in the construction of the algorithm), formalization (creation of a mathematical model of the algorithm), experiment (simulation of the algorithm work) by comparison work and learning speed). The scientific novelty is the following: a way of replacing the classic use of convolution windows and their size has been proposed and justified, which, given the size of the window and the density of connections, allows to guarantee an increase in the efficiency and speed of training of the network. The practical value of the obtained results is determined by the fact that the developed approach allows to use the system resources efficiently and to perform the task of object recognition in the image. Relationship of work with scientific programs, plans, themes. It is the author’s work in the field of machine learning and augmented reality. Purpose and tasks of the research. The objective of this work is to develop more productive and optimized method of image and pattern recognition and further design anddevelopment of an prototype using this technology with machine learning and augmented reality technologies with the further integration of this functional with learning goals. The purpose of this work is to obtain a more modern and productive method of environmental object recognition and its further implementation. Object of study. The object of the study is to develop a more modern approach in the field of neural networks and augmented reality. Subject of study. The subject of the study is to improve the existing characteristics of neural networks for object recognition. The novelty of the results. Take a new and up-to-date approach in designing neural networks to achieve their optimization and productivity with further integration of development into the market. Structure of work. The main part of the work consists of 3 sections of 65 pages. It also includes content, introduction and conclusions. The list of references contains 19 sources.uk
dc.description.abstractukМагістерська дисертація: 96 с., 25 рис., 33 табл., 1 додаток, 19 джерел. Сутність використання згорткових нейронних мереж для розпізнавання об’єтків полягає у розбитті та виявленні необхідних ознак для подальшої згортки та формування підвибірок. Головною ціллю роботи є вдосконалення існуючих підходів у роботі та налаштуванні згорткових нейронних мереж та подальша інтеграція розробки у розроблюваних додаток. Актуальність проблеми. Зважаючи на стрімкий розвиток та впровадження технологій розпізнавання навколишнього середовища та доповненої реальності, виникла необхідність розробки та появи системи, що зможе інтегрувати ці засоби з елементами навчального процесу. Актуальність проблеми також пов’язана із необхідністю вдосконалення існуючих методів та підходів у розпізнаванні об’єктів навколишнього середовища с використанням нейронних мереж. Методи дослідження: аналіз (задачі обробки зображень згортковими мережами), абстракція та синтез (вибір та врахування декількох значущих факторів при побудові алгоритму), формалізація (створення математичної моделі алгоритму), експеримент (моделювання роботи алгоритму), порівняння (порівняння роботи алгоритмів за параметрами ефективності роботи та швидкості навчання). Наукова новизна полягає у наступному: був запропонований та обґрунтований спосіб заміни класичного використання вікон згортки та їх розміру, який завдяки врахуванню параметрів розміру вікна та щільності зв'язків дає можливість гарантувати підвищення ефективності роботи та швидкості навчання мережі. Практичне значення одержаних результатів роботи визначається тим, що розроблений підхід дає можливість ефективно використовувати ресурси системи та виконувати задачу розпізнавання об’єктів на зображенні. Зв’язок роботи з науковими програмами, планами, темами. Є авторською роботою у сфері машинного навчання та доповненої реальності. Мета і задачі дослідження. Задачею цієї роботи є розробка більш продуктивного та оптимізованого методу розпізнавання зображень та подальше проектування та розробка прототипу з використанням розробленого підходу з технологіями машинного навчання та доповненої реальності з подальшою інтеграцією цього функціоналу з навчальними цілями. Метою роботи є отримання більш сучасного та продуктивного методу розпізнавання об’єктів навколишнього середовища та його подальшого впровадження. Об’єкт дослідження. Об’єктом дослідження є розробка більш сучасного підходу у сфері нейронних мереж та доповненої реальності. Предмет дослідження. Предметом дослідження є покращення існуючих характеристик нейронних мереж для роботи в області розпізнавання об’єктів. Новизна одержаних результатів. Отримання нового та сучасного підходу у проектуванні нейронних мереж задля досягнення їх оптимізації та продуктивності з подальшою інтеграцією розробки на ринок. Структура роботи. Основна частина роботи складається з 3 розділів на 65 сторінок. Також сюди входить зміст, вступ та висновки. Список літератури містить 19 джерел.uk
dc.format.page97 с.uk
dc.identifier.citationЖабокрицький, І. В. Навчальна система на основі нейронної мережі та доповненої реальності : магістерська дис. : 123 Комп’ютерна інженерія / Жабокрицький Ігор Вадимович. – Київ, 2019. – 97 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/30841
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectрозпізнавання образівuk
dc.subjectдоповнена реальністьuk
dc.subjectAIuk
dc.subjectARuk
dc.subjectJavauk
dc.subjectAndroiduk
dc.subjectнавчанняuk
dc.subjectmachine learninguk
dc.subjectpattern recognitionuk
dc.subjectaugmented realityuk
dc.subject.udc004.75uk
dc.titleНавчальна система на основі нейронної мережі та доповненої реальностіuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Zhabokritskiy_magistr.docx
Розмір:
1.72 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи