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
В выпускной работе проводится разработка учебно-методических средств для исследования моделей глубокого обучения. В работе рассмотрены задачи, модели глубокого обучения. Был проведен анализ средств для работы с глубоким обучением. Разработка проводилась на языке Python в Jypiter Notebook.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- Глоссарий
- ВВЕДЕНИЕ
- 1. Обзор существующих технологий глубокого обучения
- 1.1. Сравнение программ глубокого обучения
- 1.2. Модели нейронных сетей
- 1.3. Существующие лабораторные работы
- 2. Анализ задач и моделей глубокого обучения
- 2.1. Анализ задач
- 2.1.1. Классификация изображений
- 2.1.2. Локализация объекта
- 2.1.3. Прогнозирование временных рядов
- 2.2. Анализ моделей
- 2.2.1. Сверточная нейронная сеть
- 2.2.2. Долгая краткосрочная память
- 2.1. Анализ задач
- 3. Реализация комплекса
- 3.1. IPython и Jupyter Notebook
- 3.2. Описание готовых работ
- 3.2.1. Структура курса
- 3.2.2. Реализация первой лабораторной работы
- 3.2.3. Реализация второй лабораторной работы
- 3.2.4. Реализация третьей лабораторной работы
- 4. Апробация курса лабораторных работ
- 4.1. Лабораторная работа 1
- 4.2. Лабораторная работа 2
- 4.3. Лабораторная работа 3
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ 1. Настройка рабочей среды
- ПРИЛОЖЕНИЕ 2. Лабораторная работа. Классификация изображений
Статистика использования
Количество обращений: 758
За последние 30 дней: 1 Подробная статистика |