prikaz prve stranice dokumenta Prepoznavanje znakova korištenjem TensorFlow biblioteke
Rad nije dostupan
završni rad
Prepoznavanje znakova korištenjem TensorFlow biblioteke
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:503066
Vodopija, Andreja
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Vodopija, A. (2018). Prepoznavanje znakova korištenjem TensorFlow biblioteke (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:503066

Vodopija, Andreja. "Prepoznavanje znakova korištenjem TensorFlow biblioteke." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:503066

Vodopija, Andreja. "Prepoznavanje znakova korištenjem TensorFlow biblioteke." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:503066

Vodopija, A. (2018). 'Prepoznavanje znakova korištenjem TensorFlow biblioteke', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:503066

Vodopija A. Prepoznavanje znakova korištenjem TensorFlow biblioteke [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:503066

A. Vodopija, "Prepoznavanje znakova korištenjem TensorFlow biblioteke", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:503066

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:503066
Podaci o radu
NaslovPrepoznavanje znakova korištenjem TensorFlow biblioteke
Naslov (engleski)Character Recognition Using TensorFlow Library
AutorAndreja Vodopija
MentorTomislav Pribanić (mentor)
Član povjerenstvaTomislav Pribanić (predsjednik povjerenstva)
Član povjerenstvaTomislav Petković (član povjerenstva)
Član povjerenstvaMatea Đonlić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-09-19, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Postoje 3 vrste strojnog učenja: nadzirano, nenadzirano i podržano učenje. U ovom radu su opisane 3 metode nadziranog učenja: logistička regresija, softmax regresija i umjetne neuronske mreže. Logistička regresija služi za binarnu klasifikaciju, dok softmax regresija služi za višeklasnu klasifikaciju. S obzirom da ne daju dobre rezultate za linearno neodvojive probleme, takvi problemi se mogu rješavati umjetnim neuronskim mrežama zahvaljujući njenim skrivenim slojevima. Optičko prepoznavanje znakova implementirano je umjetnom neuronskom mrežom te se pri tome korisi biblotekom TensorFlow i podatcima iz baze MNIST. Veliku ulogu u treniranju umjetne neuronske mreže imaju takozvani hiperparametri: stopa učenja, veličina uzorka i broj epoha. Rezultati točnosti uvelike ovise o hiperparametrima mreže.
Sažetak (engleski)
There are 3 types of machine learning: supervised, unsupervised and reinforcement learning. In this thesis are explained 3 methods of supervised learning: logistic regression, softmax regression and artificial neural networks. Logistic regression is used for binary classification while softmax is used for multiclass classification. These methods don't offer good results for linearly unseparable problems where artificial neural networks can be used thanks to their hidden-layers. Optical character recognition is implemented with neural networks and uses TensorFlow library and MNIST database. Hyperparameters play huge role in training and accuracy of a neural networks. Parameters that have been studied in this thesis are learning rate, batch size and number of epochs.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:503066
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 pohrane2019-03-14 02:01:32