ОПРЕДЕЛЕНИЕ ПАРАМЕТРОВ МОДЕЛИ ПО ФАЗОВОЙ ДИАГРАММЕ
Аннотация
Конев Денис Сергеевич «Определение параметров модели по фазовой диаграмме», выпускная квалификационная работа магистра: 46 страниц, 18 рисунков, 16 таблиц, 9 использованных источников.
Ключевые слова: СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ПРОГНОЗИРОВАНИЕ, ФАЗОВАЯ ДИАГРАММА.
Целью данной выпускной квалификационной работы является определение параметров модели по фазовой диаграмме. В работе рассмотрены 5 архитектур нейронных сетей: AlexNet, Res-Net, Inseption Res-Net v1, Self-Attention Autoencoder, Autoencoder. Проведен сравнительный анализ результатов сетей и выбрана наиболее эффективная свёрточная нейронная сеть с архитектурой Res-Net-50 с результатом R-квадрат равным 0,9686.
Использовались технологии:
● язык программирования Python;
● открытая программная библиотека для машинного обучения TensorFlow;
● фреймворк для работы с нейронными сетями PyTorch;
● облачный сервис на основе Jupyter Notebook для машинного обучения Google Colab.
Ключевые слова: СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ, ПРОГНОЗИРОВАНИЕ, ФАЗОВАЯ ДИАГРАММА.
Целью данной выпускной квалификационной работы является определение параметров модели по фазовой диаграмме. В работе рассмотрены 5 архитектур нейронных сетей: AlexNet, Res-Net, Inseption Res-Net v1, Self-Attention Autoencoder, Autoencoder. Проведен сравнительный анализ результатов сетей и выбрана наиболее эффективная свёрточная нейронная сеть с архитектурой Res-Net-50 с результатом R-квадрат равным 0,9686.
Использовались технологии:
● язык программирования Python;
● открытая программная библиотека для машинного обучения TensorFlow;
● фреймворк для работы с нейронными сетями PyTorch;
● облачный сервис на основе Jupyter Notebook для машинного обучения Google Colab.