Данилов, Валерій ЯковичГула, Тетяна Віталіївна2023-09-082023-09-082023Гула, Т. В. Вибір гіперпараметрів для виявлення аномалій на зображеннях : дипломна робота ... бакалавра : 124 Сістемній аналіз / Гула Тетяна Віталіївна. - Київ, 2023. - 115 с.https://ela.kpi.ua/handle/123456789/60103Дипломна робота: 115 с., 21 рис., 8 табл., 2 додатки, 16 джерел. Об’єкт дослідження – розробка алгоритму для зменшення розмірностей ознакових векторів за допомогою жадібного вибору оптимальних компонентів (ознак) для задачі розпізнавання аномалій на зображеннях. Предмет дослідження – навчання без вчителя з використання попередньо навченої моделі EfficientNet B0, мультиваріативне розподілення Гуасса та оцінювач коваріації Ledoit-Wolf та принципи PCA та NPCA як попередні техніки зменшення векторів ознак, беручи за оптимальність метрику AUROC. Мета роботи – знайти такі оптимальні гіперпараметри, які б були більш ефективними для виявлення аномалій на зображеннях, зменшували б кількість потрібних для його підрахунків. Знайдені результати можна буде застосовувати до більших кількостей аномалій в індустріальній сфері, тим самим автоматизувати деякі процеси під час виробництва. Результати роботи – розроблено програмний продукт, що виконує комбінаторний підбір найкращих векторів з признаками, які допомагають визначити наявність аномалій на зображеннях. Програмний продукт реалізовано за допомогою мови програмування Python в середовищі Google Colab+.115 с.ukмашинне навчаннянавчання без наглядуглибоке навчаннянейронні мережізгорткові нейронні мережізменшення розмірностейознакові векториmachine learningunsupervised learningdeep learningneural networksconvolutional neural networksdimensionality reductionfeature vectorsBachelor Thesis