Личный кабинет

Курсовая работаПрограммирование

Готовая работа №41450 от пользователя Глотова Наталья

Разработка на языке программирования Python приложения распознавания рукописных цифр с использованием CNN Mnist

Name: Разработка на языке программирования Python приложения распознавания рукописных цифр с использованием CNN Mnist
Price: 370.00 RUB

370 ₽

Файл с работой можно будет скачать в личном кабинете после покупки

Страниц: 26

Год написания: 2023

Глотова Наталья

Сообщить о нарушении авторских прав

Гарантия безопасной покупки

Уникальность текста выше 50%

Возможность снять с продажи

Не подходит эта работа?

Укажите тему работы или свой e-mail, мы отправим подборку похожих работ

содержание

Введение…………………………………………………………………………..3

Глава 1.
Распознавание рукописных цифр с Keras…………………………………....4
Возможные проблемы распознавания рукописных цифр MNIST………..4
Загрузка набора данных в Keras…………………………………………….4-5

Глава 2.
Что такое распознавание рукописных цифр?.................................................6
Создание проекта на Python……………………………………………………7
О коде Python, для написания CNN Mnist……………………………………9

Глава 3.
Коротко о нейронных сетях………...……………………………………..10-13
Готовый код обучения сети и сверточная сеть…………………………13-15
Код для написания………………………………………………………….16-24

Заключение………….……….……….……….……….……….……….………25

Список литературы………..……….……….……….……….……….………..26

Весь текст будет доступен после покупки

Показать еще текст

ВВЕДЕНИЕ

CNN - это, по сути, модель, известная как сверточная нейронная сеть, и в последнее время она приобрела большую популярность из-за своей полезности. CNN использует многослойные персептроны для выполнения вычислительных работ. CNN использует относительно небольшую предварительную обработку по сравнению с другими алгоритмами классификации изображений. Это означает, что сеть обучается с помощью фильтров, которые в традиционных алгоритмах были созданы вручную. Таким образом, для задач обработки изображений CNNS являются наиболее подходящим вариантом.
Применение сверточной нейронной сети (CNN) к набору данных MNIST - популярный способ узнать и продемонстрировать возможности CNNS для задач классификации изображений. Набор данных MNIST состоит из изображений цифр, написанных от руки (0-9), размером 28?28 в оттенках серого, с обучающим набором из 60 000 примеров и тестовым набором из 10 000 примеров.

Весь текст будет доступен после покупки

Показать еще текст

отрывок из работы

Распознавание рукописных цифр с использованием сверточных нейронных сетей в Python с Keras
Популярной демонстрацией способности методов глубокого обучения является распознавание объектов в данных изображений.
Описание проблемы распознавания рукописных цифр MNIST
MNIST Проблема - это набор данных, разработанный Янн ЛеКун, Коринной Кортес и Кристофером Берджесом для оценки моделей машинного обучения по задаче классификации рукописных цифр.
Набор данных был составлен из нескольких наборов данных отсканированных документов, доступных из Национальный институт стандартов и технологий (NIST). Отсюда и название набора данных, например, модифицированный набор данных NIST или MNIST.
Изображения цифр были взяты из различных отсканированных документов, нормализованы по размеру и центрированы. Это делает его отличным набором данных для оценки моделей, позволяя разработчику сосредоточиться на машинном обучении с минимальной очисткой или подготовкой данных.
Каждое изображение представляет собой квадрат 28 на 28 пикселей (всего 784 пикселя). Стандартный набор данных используется для оценки и сравнения моделей, где 60000 изображений используются для обучения модели, а отдельный набор из 10 000 изображений используется для ее проверки.
Это задача распознавания цифр. Таким образом, есть 10 цифр (от 0 до 9) или 10 классов для прогнозирования. Результаты сообщаются с использованием ошибки прогнозирования, которая является не чем иным, как инвертированной точностью классификации.

Весь текст будет доступен после покупки

Показать еще текст

Список литературы

1. Гниденко, И. Г. Технологии и методы программирования: учебное пособие для вузов / И. Г. Гниденко, Ф. Ф. Павлов, Д. Ю. Федоров. – Москва: Издательство Юрайт, 2022. – 235 с.
2. Копырин, А. С. Программирование на Python: учебное пособие / А. С. Копырин, Т. Л. Салова. – Сочи: СГУ, 2018. – 48 с.
3. Косицин, Д. Ю. Язык программирования Python: учебно-методическое пособие / Д. Ю. Косицин. – Минск: БГУ, 2019. – 136 с.
4. МакГрат, М. Программирование на PYTHON [Текст] / Майк МакГрат; [пер. с англ. М. А. Райтмана]. - Москва: Эксмо, 2015. - 192 с.
5. Мартелли, А. Python: справочник, полное описание языка / Алекс Мартелли, Анна Рейвенскрофт, Стив Холден; [перевод с английского А. Г. Гузикевича]. – 3-е изд. – Москва; Диалектика; Санкт-Петербург: Диалектика, 2020. –892 с.
6. Пэйн, Б. Python для детей и родителей играй и программируй / Брайсон Пэйн; [пер. с англ. М.А. Райтмана]. – Москва: Издательство «Э», 2017. – 352 с.

Весь текст будет доступен после покупки

Показать еще текст

Купить и скачать работу

Разработка на языке программирования Python приложения распознавания рукописных цифр с использованием CNN Mnist

Почему студенты выбирают наш сервис?

Работаем круглосуточно

24 часа в сутки

7 дней в неделю

Гарантия

Возврат средств в случае проблем с купленной готовой работой

Мы лидеры

LeWork является лидером по количеству опубликованных материалов для студентов

не подошла эта работа?

В нашей базе 78761 курсовых работ – поможем найти подходящую

Ответы на часто задаваемые вопросы

Как оплатить заказ?

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!

Есть ли услуга безопасной покупки, и какой срок гарантии?

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.

Что означает возможность снять с продажи готовую работу ?

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.

Как вернуть средства за некачественную работу?

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.

Как связаться со службой поддержки, если возникли вопросы?

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