• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Николаев Семен Александрович
Активное глубокое обучение
Науки о данных
(Магистратура)
7
2017
В данной работе будут показаны возможности использования методов активного обучения

на примере классификации изображении с использованием сверточных неиронных сетеи.

Задача представляется важнои, так как неиронные сети обычно требуют большого объ-

ема выборки, а также соответствующего ему большого времени обучения. Уменьшение вы-

борки позволит сильно сэкономить на маркировке данных и возможно уменьшить время

обучения.

В данной работе были описаны методы активного обучения, а также продемонстри-

рована их работа для классификации статей датасета «The 20 Newsgroups», используя

многоклассовую логистическую регрессию.

Далее проведена серия экспериментов по использованию активного обучения, а точ-

нее pool-based sampling стратегии сэмплирования, для 2-ух слоинои сверточной неиронной

сети, классифицирующеи рукописные цифры из датасета MNIST.

Затем отработанные методы были применены к более сложнои задаче - классифика-

ции изображении датасета CIFAR10 3-слоинои сверточной сетью. Проведенные экспери-

менты показывают, что методы активного обучения работают для задачи классификации

картинок сверточными сетями и показывают хорошее уменьшение необходимого объема

выборки.

Результаты экспериментов позволяют сказать, что для описанной задачи оптимальным

подходом является принцип максимума энтропии.

Качество работы сэмплирования по неуверенности в случае использования принципа

максимума энтропии, в разумных пределах размера сэмплирования, не сильно зависит от

данного объема, что позволяет уменьшать время обучения сетей до схожего со временем обучения на всех данных.
Текст работы (работа добавлена 30 мая 2017г.)

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР