Создан заказ №1922788
9 апреля 2017
Свёрточные нейронные сети
Как заказчик описал требования к работе:
свёрточные нейронные сети в задаче автоматической генерации изображений
проверка на плагиат!!
ориентироваться на статьи:
http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf
https://arxiv.org/pdf/1609.03126.pdf
Фрагмент выполненной работы:
Введение
Обвальный рост объемов данных и требований к извлечению информации (Data mining) с одной стороны, и значительный рост вычислительных мощностей с другой, привели к развитию и активному использованию нейронных сетей. Искусственные нейронные сети являются вычислительной моделью, используемой в информатике и других исследовательских дисциплинах, которая основана на большом наборе простых нейронных единиц (искусственных нейронов), аналогично наблюдаемому поведению аксонов биологического мозга. (работа была выполнена специалистами author24.ru) Каждая нервная единица связана со многими другими, и связи могут усиливать или подавлять состояние активации соседних нейронных единиц. Эти системы являются самообучающимися или обученными, а не явно запрограммированными, и превосходят традиционные компьютерные программы в тех областях, где обнаружение решения или функции трудно выразить явной форме.
Сверточная нейронная сеть (convolutional neural network, CNN, или ConvNet) представляет собой тип искусственной нейронной сети с прямой связью, в которой модель взаимодействия между нейронами представляет собой аналогию функционирования зрительной коры животных. Индивидуальные кортикальные нейроны реагируют на стимулы в ограниченной области пространства, известной как рецептивное поле. Рецептивные поля разных нейронов частично перекрываются, так что они перекрывают поле зрения. Реакция отдельного нейрона на стимулы в пределах его рецептивного поля может быть математически аппроксимирована операцией свертки.
Сверточные сети были вдохновлены биологическими процессами и представляют собой вариации многослойных персептронов, предназначенных для использования минимальных объемов предварительной обработки. Свёрточные нейронные сети представляют собой один из классов ИНН прямого распространения, в которых входные сигналы обрабатываются отдельными нейронами не одновременно (как, к примеру, в перцептроне), а отдельными областями нейронов (локальными рецептивными полями).
Сверточные нейронные сети представляют собой эффективный метод машинного обучения, изначально направленный в первую очередь на распознавание и классификацию изображений. Успешное использование сверточных нейронных сетей для обработки изображений привело к многочисленным попыткам его использования в самых разнообразных задачах: анализ видео, обработка естественного языка и нейролинвистическое программирование, исследование лекарств, разработка игр (в частности стратегическая игра Го), анализ и прогнозирование временных рядов, многочисленные области медицинской диагностики, в частности семантическая сегментация 3D изображений и многих других приложениях.
Однако, наибольшее распространение сверточные нейронные сети, архитектуру которых разработал Ян Лекун (Yann LeCun) [Yann LeCun Leon Bottou, Y. B. Gradient-based learning applied to document recognition / Yoshua Bengio Yann LeCun, Leon Bottou, Patrick Haffner // IEEE. — 1998], получили при распознавании изображений.
Такое название сеть CNN получила вследствие использования операции свёртки, состоящей в том, что каждый фрагмент изображения умножается на матрицу (ядро) свёртки поэлементно, а результат суммируется и заносится в аналогичную позицию выходного изображения. Прообразом архитектуры сети являются эмпирические механизмы из сферы компьютерного зрения: пиксель изображения сильнее связан с соседним (локальная корреляция) и объект на изображении может встретиться в любой части изображения.
Генерация изображений может быть применена к моделированию и анализу всевозможных естественных структур, таких как медицинские данные, данные спутниковой съемки, картографические данные. Возможно применение подобных идей в сфере безопасности, подобная модель могла бы помочь в обнаружении движения по одному снимку с камеры еще до того, как оно само было совершено. Также, задачу генерации следующего изображения можно рассматривать с творческой стороны; при последовательном применении операции генерирования следующего кадра можно придать динамичность статичной фотографии, превратив ее в анимациюПосмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
200 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик воспользовался гарантией для внесения правок на основе комментариев преподавателя
10 апреля 2017
Заказ завершен, заказчик получил финальный файл с работой
5
Свёрточные нейронные сети.docx
2018-10-21 19:05
Последний отзыв студента о бирже Автор24
Общая оценка
5
Положительно
Спасибо большое автору, сделал работу быстро (в течении нескольких часов), качественно! Советую!!!
Хочешь такую же работу?
300 ₽
