Детальная информация

Название Изучение зависимости эффективности нейронной модели от функций активации при задаче классификации: выпускная квалификационная работа бакалавра: направление 09.03.04 «Программная инженерия» ; образовательная программа 09.03.04_01 «Технология разработки и сопровождения качественного программного продукта»
Авторы Сергеев Андрей Сергеевич
Научный руководитель Коликова Татьяна Всеволодовна
Другие авторы Локшина Екатерина Геннадиевна
Организация Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения Санкт-Петербург, 2021
Коллекция Выпускные квалификационные работы; Общая коллекция
Тематика нейронные сети; машинное обучение; классификация изображений; функции активации; neural networks; machine learning; image classification; activation functions
Тип документа Выпускная квалификационная работа бакалавра
Тип файла PDF
Язык Русский
Уровень высшего образования Бакалавриат
Код специальности ФГОС 09.03.04
Группа специальностей ФГОС 090000 - Информатика и вычислительная техника
Ссылки Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2021/vr/vr21-771
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи ru\spstu\vkr\12831
Дата создания записи 16.07.2021

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

Данная работа посвящена исследования внешних условий, влияющих на процесс обучения модели нейронной сети, успешность обучения, изменения метрик обучения модели. Совокупность подходов обучения и подготовки данных позволили выявить эффективные функции активации на определенных наборах данных при задаче классификации.

This work is devoted to the study of external conditions that affect the learning process of a neural network model, the success of training, and changes in the model's learning metrics. A combination of training and data preparation approaches made it possible to identify effective activation functions on certain data sets in the classification task.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
Интернет Анонимные пользователи

Количество обращений: 8 
За последние 30 дней: 0

Подробная статистика