Детальная информация

Название: Разработка учебно-методических средств для исследования моделей глубокого обучения: выпускная квалификационная работа бакалавра: 09.03.01 - Информатика и вычислительная техника ; 09.03.01_01 - Вычислительные машины, комплексы, системы и сети
Авторы: Волкова Мария Дмитриевна
Научный руководитель: Никитин Кирилл Вячеславович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2018
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: разработка учебно-методических средств; глубокое обучение; лабораторные работы
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия
DOI: 10.18720/SPBPU/2/v18-5032
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)

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 Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не 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
  • 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

stat Количество обращений: 288
За последние 30 дней: 0
Подробная статистика