Details

Title Анализ производственных дефектов на основе методов машинного обучения: выпускная квалификационная работа магистра по направлению 09.04.01 - Информатика и вычислительная техника ; 09.04.01_17 - Интеллектуальные системы (международная образовательная программа)
Creators Заин-Уль-Аабидин ---
Scientific adviser Шкодырев Вячеслав Петрович
Other creators Селиванова Елена Николаевна
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2019
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects Нейронные сети ; чёрный ящик ; извлечение знаний ; система управления ; машинное обучение ; дерево решений
UDC 004.032.26
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.01
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/vr19-5772
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\5082
Record create date 11/29/2019

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

Обнаружение неисправностей в производстве с использованием методов машинного обучения в анализе изображений было выполнено в этой исследовательской работе. Был проведен литературный обзор этого предмета, и были обнаружены методы машинного обучения, имеющиеся в литературе. После обзора литературы метод обучения передачи для сверточной нейронной сети был выбран для сопутствующей проектной работы. Для этой исследовательской работы были отобраны четыре нейронные сети SqueezeNet, GoogleNet, ResNet- 18 и MobilenetV2, и их производительность была исследована и измерена. Было обнаружено, что для выбранных наборов данных и методов обучения сеть Googlenet является более точной, чем Resnet-18, а Squeezenet под номером три MobilenetV2 является наименее точной из четырех сетей. Однако squeezenet является лучшим с точки зрения скорости вычислений, за которой следуют Googlenet, Resnet-18 и MobilenetV2.

The fault detection in Manufacturing using Machine learning methods in Image analysis has been carried out in this research work. A literature review of this subject has been performed and the Machine learning techniques available in the literature have been observed. After the literature review the Transfer learning method for the Convolutional Neural Networks has been selected for accompanied project work. Four neural networks SqueezeNet, GoogleNet, ResNet-18 and MobilenetV2 have been selected for the purpose of this research work and their performance has been investigated and measured. It has been found that for the selected datasets and training methods the Network Googlenet is more accurate than Resnet-18 and with Squeezenet at number three MobilenetV2 is the least accurate of the four networks. However squeezenet is best in terms of computation speed followed by Googlenet, Resnet-18 and MobilenetV2.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 34 
Last 30 days: 0

Detailed usage statistics