Bakalářská práce

Tool for data pre-processing and iterative learning of neural networks

Kristián Malák
Anotace

Táto Bakalárska práca popisuje tvorbu aplikačného rozhrania pre súkromnú spoločnosť. Dané aplikačné rozhranie bude použité ako súčasť nástroja na tréning neurónových sietí, ktoré budú používané na detekciu povrchových chýb, vo výrobe. Spomínaný nástroj natrénuje neurónovú sieť pomocou techniky zvanej iteratívne učenie. Z technického hľadiska, aplikačné rozhranie (API), sprostedkuje službu iteratívneho …více

Abstract

This Bachelor thesis describes building of an application interface for a private company. This application interface is to be used as a part of a tool designed for training neural networks, which will be used for detecting surface defects, in manufacturing. Said tool will train a neural network by employing a technique called iterative learning. Technically, the application interface (API), provides …více

Klíčová slova
Machine learning Deep learning Neural network Convolutional neural network Autoencoder Iterative learning API AI Machine vision Image segmentation Surface defect detection
Zadání práce
V dnešnej dobe je používanie umelej inteligencie, špecificky neurónových sietí a strojového učenia, velmi rozšírené. Napriek tomu, nemusí byť lahké neurónovú siet natrénovať a implementovať. Často však nieje problémom nedostatok výkonu alebo surových/nespracovaných dát, ale nedostatok anotovaných dát, ktoré sú často potrebné na trénovanie neurónových sietí. Anotácia dát je často vykonávaná ručne a môže byť veľmi drahá. Tento problém môže pomôcť vyriešiť, aspoň z časti, technika zvaná iteratívne učenie.

Iteratívne učenie zrýchluje anotáciu dát, a tým šetrí peniaze. Navyše, je možné s použitím tejto techniky dosiahnuť lepších výsledkov aj s pohľadu úspešnosti neurónovej siete.

Cielom práce je navrhnúť architektúru a implementovať aplikačné rozhranie v programovacom jazyku Python, ktoré sprostredkuje iteratívne učenie neurónovej siete typu autoenkóder za účelom segmentácie obrazu pre spoločnosť SANEZOO EUROPE. Použitelnosť spomínaného rozhrania bude demonštrovaná porovnaním iteratívneho a neiteratívneho prístupu k učeniu s učitelom s ohľadom na mieru chybovosti neurónových sietí, čas potrebný na trénovanie neurónových sietí a čas potrebný na anotáciu dát.

Administrativní informace
Práce zkontrolována:
3. 1. 2022 08:51, doc. RNDr. Pavel Matula, Ph.D., učo 2927
Plný text práce
1,6 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
11. 2. 2022
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Pavel Matula, Ph.D., učo 2927
KVI FI MU

Oponent

RNDr. Filip Lux
CABO KVI FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.