ПІДВИЩЕННЯ ТОЧНОСТІ РОЗПІЗНАВАННЯ ОБІГОВИХ МОНЕТ ЗА РАХУНОК ВИКОРИСТАННЯ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ З ДЕКІЛЬКОМА ВИХОДАМИ
Ключові слова:
згорткова нейронна мережа, нейронна мережа з декількома виходами, розпізнавання зображень, машинне навчання
Анотація
У роботі розглянуто проблему розпізнавання зображень обігових монет за допомогою згорткових нейронних мереж. Описано традиційний підхід до вирішення задачі розпізнавання зображень, який передбачає використання звичайної згорткової нейронної мережі з одним виходом, показано та проаналізовано отримані результати. Для підвищення точності розпізнавання було застосовано архітектуру згорткової нейронної мережі з декількома виходами. Отримані результати були порівняні із результатами роботи звичайної мережі, були наведені причини відмінностей у результатах та переваги і недоліки кожного із розглянутих підходівЗавантаження
Дані про завантаження поки що недоступні.
Посилання
1. Хайкин Саймон. Нейронные сети: полный курс, 2-е изд. : пер. с англ. / Саймон Хайкин. – М. : Издательский дом «Вильямс», 2006. – 1104 с.
2. Ямпольский Леонід Стефанович. Нейротехнології та нейрокомп'ютерні системи : підручник / Л.С. Ямпольский, О.І. Лісовиченко, В.В. Олійник. – К. : Дорадо-Друк, 2016. – 576 с.
3. A Survey on Multi-output Learning / [D. Xu, Y. Shi, I. Tsang та ін.]. – 2019. – 21 с.
4. A survey on multi-output regression / H.Borchani, G. Varando, C. Bielza, P. Larranaga. – 2015. – 27 с.
5. CS231n Convolutional Neural Networks for Visual Recognition [Електронний ресурс] – Режим доступу до ресурсу: https://cs231n.github.io.
6. Keras API reference [Електронний ресурс] – Режим доступу до ресурсу: https://keras.io/api/.
7. LeCun Y. Convolutional Networks for Images, Speech, and Time-Series / Y. LeCun, Y. Benigo. – 1995. – 14 с.
8. Module: tf | TensorFlow Core v2.6.0 [Електронний ресурс] – Режим доступу до ресурсу: https://www.tensorflow.org/api_docs/python/tf?hl=en.
2. Ямпольский Леонід Стефанович. Нейротехнології та нейрокомп'ютерні системи : підручник / Л.С. Ямпольский, О.І. Лісовиченко, В.В. Олійник. – К. : Дорадо-Друк, 2016. – 576 с.
3. A Survey on Multi-output Learning / [D. Xu, Y. Shi, I. Tsang та ін.]. – 2019. – 21 с.
4. A survey on multi-output regression / H.Borchani, G. Varando, C. Bielza, P. Larranaga. – 2015. – 27 с.
5. CS231n Convolutional Neural Networks for Visual Recognition [Електронний ресурс] – Режим доступу до ресурсу: https://cs231n.github.io.
6. Keras API reference [Електронний ресурс] – Режим доступу до ресурсу: https://keras.io/api/.
7. LeCun Y. Convolutional Networks for Images, Speech, and Time-Series / Y. LeCun, Y. Benigo. – 1995. – 14 с.
8. Module: tf | TensorFlow Core v2.6.0 [Електронний ресурс] – Режим доступу до ресурсу: https://www.tensorflow.org/api_docs/python/tf?hl=en.
Опубліковано
2021-09-03
Як цитувати
Vaivala Ye. Підвищення точності розпізнавання обігових монет за рахунок використання згорткової нейронної мережі з декількома виходами / Ye. Vaivala, N. Tsyopa // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2021. – Т. 3 (65). – С. 69-73. – doi:https://doi.org/10.26906/SUNZ.2021.3.069.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
