prikaz prve stranice dokumenta Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama
Rad nije dostupan
završni rad
Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. urn:nbn:hr:168:893042
Relić, Ivan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Relić, I. (2015). Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:893042

Relić, Ivan. "Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:893042

Relić, Ivan. "Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2015. https://urn.nsk.hr/urn:nbn:hr:168:893042

Relić, I. (2015). 'Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:893042

Relić I. Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2015 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:893042

I. Relić, "Predstavljanje slika ograničenim Boltzmannovim neuronskim mrežama", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2015. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:893042

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:893042
Podaci o radu
NaslovPredstavljanje slika ograničenim Boltzmannovim neuronskim mrežama
Naslov (engleski)Representing images with restricted Boltzmann networks
AutorIvan Relić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMladen Karan (član povjerenstva)
Član povjerenstvaGoran Glavaš (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2015-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Rad opisuje postupak učenja modela koji omogućuje predstavljanje slika u nižoj dimenzionalnosti – kompresiju slika. Kao skup slika koji se predstavlja u nižoj dimenzionalnosti koristi se MNIST skup podataka rukom pisanih brojeva. MNIST skup podataka službeno se sastoji od dva disjunktna skupa – skupa za učenje koji koristimo za učenje same mreže i skupa za ispitivanje koji koristimo za provjeru preciznosti naučenog modela. Skup podataka se prvo normalizira tako da ima vrijednosti između 0 i 1, uključivo. Model koji učimo je ograničena Boltzmannova neuronska mreža. Model učimo algoritmom kontrastne divergencije. Učenje modela takvim algoritmom prikazano je i nad vrlo jednostavnim skupom podataka – zašumljenim podacima s pravca. Eksperimentalni rezultati preciznosti modela nad MNIST skupom podataka smanjene veličine prikazani su koristeći različite parametre algoritma za učenje. Najbolji dobiveni parametri korišteni su za učenje nad cjelokupnim skupom podataka. Dobivena naučena mreža je potom ispitana na testnom skupu podataka uz prikaz najboljih i najgorih rekonstrukcija, prosječnu pogrešku te usporedbu s metodom PCA.
Sažetak (engleski)
This paper describes training of model that enables mapping of original images into lowered dimensionality ones - compressing. As dataset that is represented in lowered dimensionality is used MNIST handwritten digits dataset. MNIST dataset is officially divided into two disjunctive sets – training set which is used for training the model and testing set which is used to check the accuracy of trained model. First thing to do is normalizing the dataset so it contains values from 0 to 1, inclusive. The model that is trained is restricted Boltzmann network. Algorithm used for training is Contrastive Divergence algorithm. Model training with mentioned algorithm is also shown on very simple dataset – noisy line data. Experimental results of model accuracy on reduced size MNIST dataset were shown using different sets of algorithm parameters. The best parameters were used to train the model on complete MNIST dataset. Trained model was then tested on test dataset showing best and worst reconstruction results, average reconstruction error and comparation to PCA method.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:893042
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2018-02-06 11:34:12