Отрывок: Изначально имеется большой набор данных различной размерности. Для первого этапа обучения был выбран размер 10×10. В таблице 3.1 представлена архитектура, которую удалось подобрать к данной задаче. Таблица 3.1 ‒ Архитектура сверточной нейронной сети Слои Параметры Convolutional 300 нейронов Activation Функция: RELU Convolutional 300 нейронов Activation Функция: RELU Dropout 0,5 MaxPooling Размер 2×2 Convolutional 150 нейронов Activation Функция: RELU ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Климов И. А. | ru |
dc.contributor.author | Ильясова Н. Ю. | ru |
dc.contributor.author | Суханов С. В. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | алгоритм обратного распространения ошибки | ru |
dc.coverage.spatial | сегментация изображений | ru |
dc.coverage.spatial | сверточные нейронные сети | ru |
dc.coverage.spatial | изображения глазного дна | ru |
dc.coverage.spatial | нейроны | ru |
dc.coverage.spatial | машинное обучение | ru |
dc.creator | Климов И. А. | ru |
dc.date.issued | 2018 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20180907111509 | ru |
dc.identifier.citation | Климов, И. А. Применение сверточных нейронных сетей для анализа изображения глазного дна : вып. квалификац. работа по направлению "Прикладная математика и информатика" (уровень бакалавриата) / И. А. Климов ; рук. работы Н. Ю. Ильясова ; нормоконтролер С. В. Суханов ; М - во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева ( Самар. ун-т ), Ин - т информатики. м. - Самара, 2018. - on-line | ru |
dc.description.abstract | Объектом исследования являются изображения глазного дна.Цель работы – применить сверточные нейронные сети для анализа изображения глазного дна, с целью улучшения автоматизации процесса наложения коагулянтов на зоны болезни.Сверточная нейронная сеть обучения на исходной выборке, произведена сегментация входного изображения глазного дна, исследована ошибка сегментации. | ru |
dc.format.extent | Электрон. дан. (1 файл : 2,0 Мб) | ru |
dc.title | Применение сверточных нейронных сетей для анализа изображения глазного дна | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | Изначально имеется большой набор данных различной размерности. Для первого этапа обучения был выбран размер 10×10. В таблице 3.1 представлена архитектура, которую удалось подобрать к данной задаче. Таблица 3.1 ‒ Архитектура сверточной нейронной сети Слои Параметры Convolutional 300 нейронов Activation Функция: RELU Convolutional 300 нейронов Activation Функция: RELU Dropout 0,5 MaxPooling Размер 2×2 Convolutional 150 нейронов Activation Функция: RELU ... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Климов_Илья_Алексеевич_Применение_свёрточных_нейронных_сетей.pdf | 2.03 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.