Личный кабинетuser
orange img orange img orange img orange img orange img
Дипломная работаТехнологические машины и оборудование
Готовая работа №132194 от пользователя Успенская Ирина
book

Нейросетевая система опознавания сигналов светофора.

1 400 ₽
Файл с работой можно будет скачать в личном кабинете после покупки
like
Гарантия безопасной покупки
help

Сразу после покупки работы вы получите ссылку на скачивание файла.

Срок скачивания не ограничен по времени. Если работа не соответствует описанию у вас будет возможность отправить жалобу.

Гарантийный период 7 дней.

like
Уникальность текста выше 50%
help

Все загруженные работы имеют уникальность не менее 50% в общедоступной системе Антиплагиат.ру

file
Возможность снять с продажи
help

У покупателя есть возможность доплатить за снятие работы с продажи после покупки.

Например, если необходимо скрыть страницу с работой на сайте от третьих лиц на определенный срок.

Тариф можно выбрать на странице готовой работы после покупки.

Не подходит эта работа?
Укажите тему работы или свой e-mail, мы отправим подборку похожих работ
Нажимая на кнопку, вы соглашаетесь на обработку персональных данных

содержание

Введение…………………………………………………………………………..3
Глава 1. Обзор классических методов в проблематике дисциплин машинного обучения и распознавания образов……………………………………………...5
1.1. Введение в машинное обучение…………………………………...5
1.2. Введение в теорию распознавания образов……………………....6
Глава 2. Искусственная нейронная сеть………………………………………...7
2.1. Архитектура искусственных нейронных сетей………………….11
2.2. Виды многослойных искусственных нейронных сетей………...14
2.3. Персептроны……………………………………………………….15
2.4. Свёрточная нейронная сеть……………………………………….16
2.5. Современная и глубокая нейронная сеть………………………...20
Глава 3. Функция активация……………………………………………………20
3.1. Пороговая функция………………………………………………...21
3.2. Линейная функция…………………………………………………21
3.3. Сигмоидальная функция ……………………………………….…22
3.4. Гиперболическая функция……………………………………...…23
3.5. ReLU (recified linear unit)……………………………………….…24
Глава 4. Обучение искусственных нейронных сетей………………………....26
4.1. Обучение с учителем………………………………………………28
4.2. Обучение без учителя……………………………………………...30
4.3. Метод обратного распространения ошибки…………………...…30
4.4. Генетические алгоритмы………………………………………..…32
Глава 5. Обзор программы опознавания сигналов светофора……………..…32
5.1. Интерфейс программы…………………………………………..…33
5.2. Обработка изображений………………………………………...…35
5.3. Выбор библиотеки НС…………………………………………..…36
5.4. Функция активации нейронов...…………………………………...37
5.5. Обучение……………………………………………………………37
5.6. Результаты……………………………………………………….…40
Глава 6. Экономическая часть……………………………………………….…40
6.1. Введение……………………………………………………………40
6.2. Затраты на оплаты труда………………………………………..…41
6.3. Материальные затраты………………………………………….…42
6.4. Затраты на электроэнергию…………………………………….…44
6.5. Затраты на услуги……………………………………………….…45
6.6. Объем окупаемости……………………………………………..…45
6.7. Выводы…………………………………………………………..…46
Заключение………………………………………………………………………47
Приложение……………………………………………………………………...48
Список литературы…………………………………………………………...…55

Весь текст будет доступен после покупки

ВВЕДЕНИЕ

Одними из важнейших областей исследований и разработок современной кибернетики являются области машинного обучения, распознавания образов. Ускоряющиеся темпы развития технологий информационного общества, развитие робототехники, развитие концепций «умный дом» , «умный город» и беспилотные автомобили развитие интернета вещей и систем искусственного интеллекта определяют этой области особое место в современном научном знании. Во многих прикладных задачах в практике современного программирования используются методы сбора данных, кластеризации и классификации, методы статистического вывода. В повседневную жизнь, как и в корпоративную, и в промышленную среды начинают внедрятся технологии, постепенно стирающие грань между реальным и виртуальным пространством, что требует нового качественного уровня повсеместно внедряемых технологий распознавания, чья область применения в последние годы выросла колоссально: считавшиеся сложнейшими ранее задачи распознавания сегодня круглосуточно решаются мобильными устройствами рядовых граждан.

Весь текст будет доступен после покупки

отрывок из работы

Глава 1. Обзор классических методов в проблематике дисциплин машинного обучения и распознавания образов
1.1. Введение в машинное обучение
Машинное обучение – это обширный подраздел теории искусственного интеллекта, строгая математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей.
Существует два типа машинного обучения: обучение по прецедентам (индуктивное обучение), основанное на эмпирических данных, и дедуктивное обучение, предполагающее формализацию знаний и формирование базы знаний. Дедуктивное обучение принято относить к
области экспертных систем, поэтому в теории и практике машинного обучения фактически рассматривается обучение по прецедентам.
Раздел машинного обучения возник в результате разделения науки о нейронных сетях в рамках науки об искусственном интеллекте на методы обучения сетей и виды топологий архитектуры сетей, вобрав в себя неко-торые другие области, такие как методы математической статистики и теорию дискретного анализа.
Этим обусловлена специфика рассматриваемых способов обучения в рамках дисциплины:
• Обучение с учителем – для каждого прецедента существует пара «ситуация, решение»
• Обучение без учителя – система группирует объекты в кластеры и понижает размерность входной информации, используя данные о попарном сходстве
• Обучение с подкреплением – для каждого прецедента существует пара «ситуация, реакция среды» (обучение с подкреплением можно считать частным случаем обучения с учителем, так и частным случаем обучения без учителя)

Весь текст будет доступен после покупки

Список литературы

1. Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный подход. - М.: Вильямс, 2004. – 928 с.
2. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. - М.: Мир, 1992.– 184 с.
3. Хайкин С. Нейронные сети: полный курс, 2-е издание. – М.: Вильямс, 2008. – 1103 с.
4. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. – М.: ДМК Пресс, 2015. – 400 с.
5. Brain.js [Электронный ресурс]. – Электрон. текстовые дан. – GitHub Inc, 2019 – https://github.com/BrainJS, свободный
6. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение погружение в мир нейронных сетей. – Сп-б.: Питер, 2019. – 480 с.
7. Нейросети для начинающих [Электронный ресурс]. – Электрон. текстовые дан. – Habr, 2018. – Режим доступа: https://habr.com/ru/post/312450, свободный.

Весь текст будет доступен после покупки

Почему студенты выбирают наш сервис?

Купить готовую работу сейчас
service icon
Работаем круглосуточно
24 часа в сутки
7 дней в неделю
service icon
Гарантия
Возврат средств в случае проблем с купленной готовой работой
service icon
Мы лидеры
LeWork является лидером по количеству опубликованных материалов для студентов
Купить готовую работу сейчас

не подошла эта работа?

В нашей базе 78761 курсовых работ – поможем найти подходящую

Ответы на часто задаваемые вопросы

Чтобы оплатить заказ на сайте, необходимо сначала пополнить баланс на этой странице - https://lework.net/addbalance

На странице пополнения баланса у вас будет возможность выбрать способ оплаты - банковская карта, электронный кошелек или другой способ.

После пополнения баланса на сайте, необходимо перейти на страницу заказа и завершить покупку, нажав соответствующую кнопку.

Если у вас возникли проблемы при пополнении баланса на сайте или остались вопросы по оплате заказа, напишите нам на support@lework.net. Мы обязательно вам поможем! 

Да, покупка готовой работы на сайте происходит через "безопасную сделку". Покупатель и Продавец финансово защищены от недобросовестных пользователей. Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней. 

У покупателя есть возможность снять готовую работу с продажи на сайте. Например, если необходимо скрыть страницу с работой от третьих лиц на определенный срок. Тариф можно выбрать на странице готовой работы после покупки.

Гарантийный срок составляет 7 дней со дня покупки готовой работы. В течение этого времени покупатель имеет право подать жалобу на странице готовой работы, если купленная работа не соответствует описанию на сайте. Рассмотрение жалобы занимает от 3 до 5 рабочих дней. Если администрация сайта принимает решение о возврате денежных средств, то покупатель получает уведомление в личном кабинете и на электронную почту о возврате. Средства можно потратить на покупку другой готовой работы или вывести с сайта на банковскую карту. Вывод средств можно оформить в личном кабинете, заполнив соответствущую форму.

Мы с радостью ответим на ваши вопросы по электронной почте support@lework.net

surpize-icon

Работы с похожей тематикой

stars-icon
arrowarrow

Не удалось найти материал или возникли вопросы?

Свяжитесь с нами, мы постараемся вам помочь!
Неккоректно введен e-mail
Нажимая на кнопку, вы соглашаетесь на обработку персональных данных