prikaz prve stranice dokumenta Analiza rada VGG arhitekture neuronske mreže
  Preuzmi
PDF 2.29 MB
završni rad
Analiza rada VGG arhitekture neuronske mreže
Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. urn:nbn:hr:235:078686
Trbara, Klara
Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje

Institucijski repozitorij: Repozitorij Fakulteta strojarstva i brodogradnje Sveučilišta u Zagrebu

Citirajte ovaj rad

Trbara, K. (2022). Analiza rada VGG arhitekture neuronske mreže (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:235:078686

Trbara, Klara. "Analiza rada VGG arhitekture neuronske mreže." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:235:078686

Trbara, Klara. "Analiza rada VGG arhitekture neuronske mreže." Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:235:078686

Trbara, K. (2022). 'Analiza rada VGG arhitekture neuronske mreže', Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, citirano: 18.12.2024., https://urn.nsk.hr/urn:nbn:hr:235:078686

Trbara K. Analiza rada VGG arhitekture neuronske mreže [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje; 2022 [pristupljeno 18.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:078686

K. Trbara, "Analiza rada VGG arhitekture neuronske mreže", Završni rad, Sveučilište u Zagrebu, Fakultet strojarstva i brodogradnje, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:235:078686

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:235:078686
Podaci o radu
NaslovAnaliza rada VGG arhitekture neuronske mreže
Naslov (engleski)VGG neural network architecture performance analysis
AutorKlara Trbara
MentorTomislav Stipančić (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje
Zagreb
Datum i država obrane2022-09-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Kroz ovaj rad je prikazan razvoj konvolucijske neuronske mreže primjenjujući VGG arhitekturu u problemu rješavanja klasifikacije slika. Slike pasa i mačaka su zadane iz poznate baze podataka zadane u svrhu Kaggle-ovog natjecanja iz strojnog učenja iz 2013. godine. U uvodu rada se upoznajemo s osnovnom gradivnom jedinicom neuronske mreže perceptorom i osnovnom principima njezinog rada. U nastavku će se predstaviti opća arhitektura konvolucijskih neuronskih mreža. Naglasak ovog rada je na savladavanju principa razvoja osnovnog modela VGG arhitekture neuronske mreže s kojom se želi prikazati rast preciznosti klasifikacije mreže dodavanjem novih blokova. Prikazat će se razvoj osnovnog modela kroz korištenje cloud servisa i online sučelja Google Colab koristeći se otvorenim softverskim bibliotekama za strojno učenje (Tenserflow). Potom se na istoj bazi podataka testira već unaprijed istrenirana arhitektura neuronske mreže VGG-16 te se uspoređuju rezultati s osnovnim modelom.
Sažetak (engleski)
This paper presents the development of a convolutional neural network applying the VGG architecture to the problem of image classification. The images of dogs and cats were taken from a well-known database provided for Kaggle's 2013 machine learning competition. In first part of the paper, we are introduced to the basic building block of the neural network, the preceptor, and the basic principles of its operation. Furthermore, the general architecture of convolutional neural networks will be presented. The emphasis of this paper is on mastering the principles of developing the basic model of the VGG architecture of the neural network, with which we want to show the growth of the accuracy of the network classification by stacking new blocks. The development of the basic model will be presented through the use of cloud services and the Google Colab online interface using open software libraries for machine learning (TensorFlow). Then, the pre-trained VGG-16 neural network architecture is tested on the same database and the results are compared with the basic model.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:235:078686
Studijski programNaziv: Strojarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka strojarstva (univ. bacc. ing. mech.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-09-26 11:13:02