Details

Title: Методы глубокого обучения при распознавании дефектов электронных компонентов мультиплат: выпускная квалификационная работа магистра по направлению 09.04.02 - Информационные системы и технологии ; 09.04.02_04 - Системный анализ и оптимизация информационных систем и технологий
Creators: Заичка Игорь Николаевич
Scientific adviser: Черненькая Людмила Васильевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Вычислительные машины электронные — Программы прикладные - Обработка пакетная; интеллектуальные системы; глубокое обучение; искусственный интеллект; машинное обучение; глубокие нейронные сети; распознавание образов
UDC: 004.9
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 09.04.02
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-2688
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе изложена сущность построения модели интеллектуальной системы на основе глубокого обучения. Даны общие понятия и классификация методов глубокого обучения. Проведен анализ алгоритмов и обучение системы на основе реальных данных. Изучена технология обучения сети в среде Matlab. Разработана конкретная программная реализация методов обучения в среде Matlab.

This paper outlines the essence of building a model of an intellectual system based on deep learning. Given the general concepts and classification of deep learning methods. The analysis of the algorithms and the training system based on real data. Studied network training technology in Matlab. Developed a specific software implementation of learning methods in the Matlab environment.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Usage statistics

stat Access count: 68
Last 30 days: 1
Detailed usage statistics