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...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Zeeshan, Khaula
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Pro gradu
Kieli:eng
Julkaistu: 2018
Aiheet:
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
Linkit: https://jyx.jyu.fi/handle/123456789/59287

Samankaltaisia teoksia