Факультет електроніки та інформаційних технологій (ЕлІТ)
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/20
Browse
3 results
Search Results
Item Побудова нейронної мережі для розпізнавання рукописних цифр(Cумський державний університет, 2023) Грибініченко, Я.А.У даній роботі було проведено аналіз та порівняння ефективності різних моделей нейронних мереж у задачі класифікації рукописних цифр з використанням бази даних MNIST. Особлива увага була зосереджена на двох архітектурах нейромереж: багатошаровому перцептроні та згортковій нейромережі.Під час тренування обох нейромереж на тренувальному наборі даних було оцінено їхню точність на тестовому наборі. Виявлено, що згорткова нейромережа досягає середньої точності розпізнавання значення швидше, в порівнянні з багатошаровим перцептроном. Запропоновано використовувати згорткові нейромережі для розпізнавання рукописних цифр, оскільки вони здатні виявляти ієрархічні структури та просторові залежності в даних, що сприяє покращенню точності класифікації. Такий підхід може бути корисним для широкого спектру завдань, пов'язаних з розпізнаванням образів та класифікацією зображень.Item Математичне моделювання та комп'ютерна реалізація рейтингового оцінювання вищих навчальних закладів світу(Сумський державний університет, 2019) Потапенко, К.О.Побудова та реалізація методики рейтингового оцінювання web-доменів на прикладі освітніх закладів України; створення програмних інструментів практичної реалізації цієї методики та апробація механізмів та алгоритмів машинного навчання у межах задачі класифікації.Item Інформаційне та програмне забезпечення системи інтелектуальної аутентифікації банкнот(Сумський державний університет, 2018) Дзинзар, О.В.Проведено інформаційний синтез інтелектуальної системи, що здатна виконувати візуальну інтелектуальну аутентифікацію банкнот. Сформовано вхідний математичний опис інтелектуальної системи аутентифікації банкнот за даними розміщеними на репозитарії даних для машинного навчання Центру машинного навчання та інтелектуальних систем університету Каліфорнії. Вибрано тип та структуру штучних нейронних мережі, що здатні навчатися «з учителем» – одношарового перцептрону та нейромережі зворотного розповсюдження помилки. Розроблено та програмно реалізовано алгоритми оптимізації функціональних параметрів нейронних мереж з використанням пакету розширення NeuroNetToolBox середовища для наукових та інженерних розрахунків MATLAB 6,5. Виконано перевірку працездатності запропонованої інтелектуальної системи на задачі аутентифікації банкнот.