Разработка метода классификации изображений на основе глубокого обучения с использованием трансферного обучения и адаптивной оценки момента
Описание
Оглавление
Введение
Глава 1. Постановка задачи
1.1. Характеристика проблемной ситуации
1.2. Обзор интеллектуальных систем для поиска решения данной проблемной ситуации
1.3. Выбор конкретной интеллектуальной системы
1.4. Описание выходной информации и исходных данных
Глава 2. Разработка метода классификации изображений на основе глубокого обучения с использованием трансферного обучения и адаптивной оценки момента
2.1. Используемые математические методы и тип интеллектуальной системы
2.2. Особенности применения выбранного подхода к решению проблемной ситуации
Глава 3. Анализ полученных результатов и выводы
Заключение
Список литературы
Приложение
Введение
Нейронные сети – это класс моделей машинного обучения, вдохновленный структурой и функциями человеческого мозга. Они состоят из взаимосвязанных узлов или искусственных нейронов, организованных в слои. Базовым строительным блоком нейронной сети является персептрон, который принимает несколько входных функций, присваивает им веса, суммирует результаты, а затем передает сумму через функцию активации для получения выходных данных.
Нейронные сети широко используются для решения задач классификации, целью которых является классификация входных данных по различным классам или категориям. Нейронные сети обычно применяются для решения задач классификации:
1. Входной слой: Первый сл
Введение
Глава 1. Постановка задачи
1.1. Характеристика проблемной ситуации
1.2. Обзор интеллектуальных систем для поиска решения данной проблемной ситуации
1.3. Выбор конкретной интеллектуальной системы
1.4. Описание выходной информации и исходных данных
Глава 2. Разработка метода классификации изображений на основе глубокого обучения с использованием трансферного обучения и адаптивной оценки момента
2.1. Используемые математические методы и тип интеллектуальной системы
2.2. Особенности применения выбранного подхода к решению проблемной ситуации
Глава 3. Анализ полученных результатов и выводы
Заключение
Список литературы
Приложение
Введение
Нейронные сети – это класс моделей машинного обучения, вдохновленный структурой и функциями человеческого мозга. Они состоят из взаимосвязанных узлов или искусственных нейронов, организованных в слои. Базовым строительным блоком нейронной сети является персептрон, который принимает несколько входных функций, присваивает им веса, суммирует результаты, а затем передает сумму через функцию активации для получения выходных данных.
Нейронные сети широко используются для решения задач классификации, целью которых является классификация входных данных по различным классам или категориям. Нейронные сети обычно применяются для решения задач классификации:
1. Входной слой: Первый сл
Характеристики курсовой работы
Учебное заведение
Семестр
Просмотров
1
Размер
2,27 Mb
Список файлов
Разработка метода классификации изображений на основе глубокого обучения с использованием трансферного обучения и адаптивной оценки момента.docx
Комментарии
Нет комментариев
Стань первым, кто что-нибудь напишет!
МГУ им. Ломоносова
Tortuga










