Курсовая работа: Проектирование нейронной сети

Отчет 33 с., 2 раздела, включающие по 3 параграфа, 12 рисунков, 24 источника.
ЗАКАЗЫ, СУЩНОСТЬ, БАЗА ДАННЫХ, ИНФОРМАЦИОННАЯ СИСТЕМА, ЯЗЫКИ ПРОГРАММИРОВАНИЯ
Работа заключается в теоретическом описании разработки простейшей нейросети для распознавания логотипов вузов.
Объект исследования – процесс разработки простейшей нейросети.
Предмет исследования – разработка простейшей нейросети для распознавания логотипов вузов
Цель работы: исследование процесса разработки простейшей нейросети для распознавания логотипов вузов. В процессе работы обобщен теоретический материал о существующих на данные момент нейронных сетях и их применении, описана теоретическая схема работы алгоритма, выбор средств его программной реализации и сам процесс программной реализации системы.

ABSTRACT
Report 33 p., 2 sections, including 3 paragraphs, 12 figures, 24 sources.
ORDERS, ENTITY, DATABASE, INFORMATION SYSTEM, DATA FLOW DIAGRAM, PROGRAMMING LANGUAGES
The work consists in a theoretical description of the development of the simplest neural network for recognizing university logos. The object of research is the process of developing the simplest neural network. The subject of the research is the development of the simplest neural network for recognizing university logos The purpose of the work: a theoretical description of the process of developing the simplest neural network for recognizing university logos. In the course of the work, the theoretical material on the currently existing neural networks and their application is summarized, the theoretical scheme of the algorithm, the choice of means of its software implementation and the software implementation of the system itself are described.

ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ

В курсовой работе использованы следующие термины с соответствующими определениями:



ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ

НС - нейронная сеть
ИНС - Искусственные нейронные сети
БД – база данных
ИС – информационная система
ПО – программное обеспечение
ИО – информационное обеспечение
CNN (convolutional neural network) - свёрточная нейронная сеть;
RNN (recurrent neural network) - рекуррентная нейронная сеть;



СОДЕРЖАНИЕ



ВВЕДЕНИЕ

В последние несколько лет возрастает интерес к изучению нейронных сетей, которые успешно применяются для решения многих задач искусственного интеллекта. Искусственные нейронные сети используются для решения различных прикладных задач. Они успешно применяются в широчайшем спектре приложений, таких как распознавание образов, прогнозирование, выявление зависимостей, сжатие данных, задачи управления и многие другие.
Одной из главных прикладных задач, решаемых с помощью искусственных нейронных сетей, является задачи распознавания. В современном мире распознавание образов находит все большее применение в повседневной жизни людей. Методы и алгоритмы теории распознавания широко применяются в медицине (диагностика медицинских снимков), геологии (изучение природных ресурсов Земли), робототехнике (зрение роботов), астрономии, при анализах изображений, идентификации человека, автоматическом проектировании и т.д. Самый явный пример такого использования нейронных сетей – это поиск по изображениям Google, Yandex, и других поисковых систем.