The Impact of Regularization on Convolutional Neural Networks

The Impact of Regularization on Convolutional Neural Networks

Syvä oppiminen (engl. deep learning) on viime aikoina tullut suosituimmaksi koneoppimisen menetelmäksi. Konvoluutio(hermo)verkko on yksi suosituimmista syvän oppimisen arkkitehtuureista monimutkaisiin ongelmiin kuten kuvien luokitteluun, tunnistukseen ja havaitsemiseen. Syvän oppimisen menetelmien t...

Full description

Bibliographic Details
Main Author: Zeeshan, Khaula
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Master's thesis
Language:eng
Published: 2018
Subjects:
artificial intelligence
machine learning
deep learning
convolutional neural network
image classification
regularization
k-fold cross validation
dropout
batch normalization
kernel regularization
Tietotekniikka
Mathematical Information Technology
602
koneoppiminen
datatiede
data
mallit (tuotokset)
analyysi
data science
models (objects)
analysis
Online Access: https://jyx.jyu.fi/handle/123456789/59287

Similar Items