Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Тема бакалаврской работы относится к задачам машинного обучения «без учителя» в области генерации данных. В ходе работы было проведено исследование применимости вышеуказанного типа нейронных сетей к задачам создания последовательно связанных наборов данных. Была смоделирована архитектура генеративной соревновательной сети и были исследованы принципы ее обучения, после чего была создана ее программная реализация. Реализованная модель была обучена и протестирована, после чего были описаны выводы и предложены рекомендации для реализации данного типа сетей для использования в задачах создания связанных данных.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- ОПРЕДЕЛЕНИЯ
- ВВЕДЕНИЕ
- 1 Обзор используемой архитектуры
- 1.1 Структура генеративной соревновательной нейронной сети
- 1.2 Обучение генеративных сетей
- 1.3 Модификации модели и существующие реализации
- 1.3.1 Conditional GAN
- 1.3.2 Deep Convolutional GAN
- 2 Моделирование генеративной сети и подготовка исходных данных
- 2.1 Выбор и подготовка данных
- 2.2 Построение модели
- 2.2.1 Рекуррентные слои
- 2.2.2 Основная структура модели
- 2.2.3 Входные и выходные переменные данных
- 2.2.4 Генератор
- 2.2.5 Блок операций для выбора между реальными и сгенерированными данными
- 2.2.6 Дискриминатор
- 2.2.7 Блок обработки выхода дискриминатора
- 3 Программная реализация
- 3.1 Выбор используемого языка реализации и сопутствующих математических пакетов
- 3.1.1 Python
- 3.1.2 Tensorflow
- 3.1.3 Keras
- 3.2 Подготовка данных
- 3.3 Основной проект
- 3.3.1 main.py
- 3.3.2 config.py
- 3.3.3 generator.py
- 3.3.4 discriminator.py
- 3.3.5 tester.py
- 3.3.6 trainer.py
- 3.1 Выбор используемого языка реализации и сопутствующих математических пакетов
- 4 Обучение и оптимизация нейронной сети
- 4.1 Изменение количества слоев и нейронов в слое сети
- 4.2 Label smoothing
- 4.3 Введение dropout в модель генератора и дискриминатора
- 4.4 Введение начальной последовательности для предсказания данных
- 5 Исследование полученных данных
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ 1
- ПРИЛОЖЕНИЕ 2
- ПРИЛОЖЕНИЕ 3
- ПРИЛОЖЕНИЕ 4
- ПРИЛОЖЕНИЕ 5
- ПРИЛОЖЕНИЕ 6
- ПРИЛОЖЕНИЕ 7
- ПРИЛОЖЕНИЕ 8
- ПРИЛОЖЕНИЕ 9
Статистика использования
Количество обращений: 480
За последние 30 дней: 0 Подробная статистика |