Інтелектуальна система дослідження методів машинного навчання



Сторінка1/15
Дата конвертації27.01.2020
Розмір0,56 Mb.
ТипРеферат
  1   2   3   4   5   6   7   8   9   ...   15

НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ

«КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ
імені ІГОРЯ СІКОРСЬКОГО»


Факультет інформатики та обчислювальної техніки

Автоматизованих систем обробки інформації і управління


«На правах рукопису»

УДК ______________



«До захисту допущено»

Завідувач кафедри

__________ О.А.Павлов

«___»_____________20__ р.





Магістерська дисертація

на здобуття ступеня магістра

зі спеціальності 121 Інженерія програмного забезпечення

на тему: «Інтелектуальна система дослідження методів машинного навчання»

Виконав (-ла):

студент (-ка) VI курсу, групи ІП-72мп

Коваленко А.С. __________

Керівник:

асс., к.т.н. Фіногенов О.Д. __________

Консультант:

асс., к.т.н. Фіногенов О.Д. __________

Рецензент:

__________

Засвідчую, що у цій магістерській дисертації немає запозичень з праць інших авторів без відповідних посилань.

Студент (-ка) _____________


Київ – 2018 року



РЕФЕРАТ

Актуальність теми.

Вибір, розробка або порівняння методів машинного навчання в області інтелектуального аналізу даних може бути складним завданням, заснованим на цільової задачі і цілі конкретного дослідження. Численні загальнодоступні реальні і змодельовані базові набори даних з'явилися з різних джерел, але їх організація і прийняття в якості стандартів були непослідовними.

Найбільш часто використовуваними методами для вирішення завдання класифікації зображень є: наївний баєсовскький класифікатор, метод k-найближчих сусідів, дерева пошуку та нейроні мережі. Абсолютно всі дані методи вимогливі до тестових даних та чіткого підбора параметрів навчання і навіть незначне похилення, може призвести до втрати ефективності навчання. Для уникнення цього було розроблені спеціальні методи оптимізації як для оптимізації даних до використання алгоритму так і в момент використання алгоритму. Але навіть при використанні усіх відомих методів, відомих науці, завжди залишається можливість того, що результат був не максимально точним, та алгоритм навчання, знайшовши локальний мінімум, не втратив інший який просто не зумів відстежити.

Зв'язок роботи з науковими програмами, планами, темами.

Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень».



Мета і задачі дослідження.

Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для дослідження методів машинного навчання, підвищення їх точності та дослідження впливу параметрів на результат навчання.

Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач:


  • аналіз існуючих методів машинного навчання для класифікації зображень;

  • розробка застосунку для випробовування обраних методів навчання;

  • розробка алгоритму для дослідження ефективності навчання ;

  • дослідження ефективності розробленого алгоритму.

Об’єкт дослідження.

Процес машинного навчання для задачі класифікації зображення на основі бази даних MNIST.



Предмет дослідження.

Методи та алгоритми, що використовуються для машинного навчання.



Методи дослідження.

При проведенні досліджень і розробок у дисертаційній роботі використовувались методи машинного навчання, нейронні мережі, методи оптимізації. Для практичної частини – методи функціонального програмування: база даних MNIST, бібліотеки keras, theano та tensotrflow.



Наукова новизна одержаних результатів полягає в наступному:

а) розроблена бібліотека для відображення та аналізу кінцевого та проміжного результату машинного навчання

б) розроблено алгоритм пошуку локального мінімуму

Практичне значення одержаних результатів.

Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для класифікації зображень.



Публікації.

За результатами дослідження опубліковано 2 наукових праці.


Ключові слова.

АРХІТЕКТУРА, МЕТОДИ МАШІННОГО НАВЧАННЯ, НЕЙРОННА МЕРЕЖА, МЕТОДИ ОПТІМІЗАЦІЇ, ЛІНЕЙНА АПРОКСИМАЦІЯ, КВАДРАТИЧНА АПРОКСИМАЦІЯ, МАТРИЦЯ ГЕССА, МЕТОД МОНТЕ-КАРЛО



Каталог: bitstream -> 123456789
123456789 -> Тема: Безпека вулиці: азбука дороги
123456789 -> Методичні вказівки до вивчення дисципліни сво «доктор філософії»
123456789 -> Регіональний підхід до дослідження формування ціннісних орієнтацій студентів мистецьких вишів україни н. Г. Тарарак
123456789 -> Методологічне підґрунтя дослідження формування ціннісних орієнтацій студентів вищих навчальних закладів мистецького профілю україни
123456789 -> Загальна характеристика роботи
123456789 -> Інформаційне суспільство в контексті політичної культури суспільства
123456789 -> Заліщицька районна державна адміністрація Відділ з питань освіти Районний методичний кабінет Використання активних та інноваційних технологій як засіб активізації
123456789 -> Україна тернопільська область опис досвіду роботи учителя біології


Поділіться з Вашими друзьями:
  1   2   3   4   5   6   7   8   9   ...   15


База даних захищена авторським правом ©pedagogi.org 2019
звернутися до адміністрації

    Головна сторінка