ПІДВИЩЕННЯ ТОЧНОСТІ РОЗПІЗНАВАННЯ ОБІГОВИХ МОНЕТ ЗА РАХУНОК ВИКОРИСТАННЯ ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ З ДЕКІЛЬКОМА ВИХОДАМИ
DOI:
https://doi.org/10.26906/SUNZ.2021.3.069Ключові слова:
згорткова нейронна мережа, нейронна мережа з декількома виходами, розпізнавання зображень, машинне навчанняАнотація
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
Посилання
Хайкин Саймон. Нейронные сети: полный курс, 2-е изд. : пер. с англ. / Саймон Хайкин. – М. : Издательский дом «Вильямс», 2006. – 1104 с.
Ямпольский Леонід Стефанович. Нейротехнології та нейрокомп'ютерні системи : підручник / Л.С. Ямпольский, О.І. Лісовиченко, В.В. Олійник. – К. : Дорадо-Друк, 2016. – 576 с.
A Survey on Multi-output Learning / [D. Xu, Y. Shi, I. Tsang та ін.]. – 2019. – 21 с.
A survey on multi-output regression / H.Borchani, G. Varando, C. Bielza, P. Larranaga. – 2015. – 27 с.
CS231n Convolutional Neural Networks for Visual Recognition [Електронний ресурс] – Режим доступу до ресурсу: https://cs231n.github.io.
Keras API reference [Електронний ресурс] – Режим доступу до ресурсу: https://keras.io/api/.
LeCun Y. Convolutional Networks for Images, Speech, and Time-Series / Y. LeCun, Y. Benigo. – 1995. – 14 с.
Module: tf | TensorFlow Core v2.6.0 [Електронний ресурс] – Режим доступу до ресурсу: https://www.tensorflow.org/api_docs/python/tf?hl=en.
