АНАЛІЗ ЕФЕКТИВНОСТІ АЛГОРИТМУ ОПТИМІЗАЦІЇ ЗОБРАЖЕНЬ ПРИ ФОРМУВАННІ НЕПІДТВЕРДЖЕНОЇ КОРИСТУВАЧЕМ НАВЧАЛЬНОЇ ВИБІРКИ

Д.О. Зубарєв, І.С. Скарга-Бандурова, О.М. Сапицька

Èlektron. model. 2019, 42(2):59-67
https://doi.org/10.15407/emodel.42.02.059

АНОТАЦІЯ

Кінцевою метою будь-якої оптимізації процесів у певній сфері є збереження часу та ресурсів людини. У статті проаналізовано ефективність оригінального алгоритму об­робки зображень при формуванні вибірки для навчання штучної нейронної мережі класу CNN на основі непідтвердженого користувачем Image-Dataset, яку буде використано для потреб визначення елементів зображень в межах бінарної логіки.

КЛЮЧОВІ СЛОВА:

глибоке навчання, набір зображень, функція оптимізації зображення, алгоритм навчання мережі.

СПИСОК ЛІТЕРАТУРИ

  1. Zubarev, D.O. and Skarga-Bandurova, I.S. (2018), “Analiz efekty`vnosti navchannya CNN za pry`ncy`pom "vchy`tel`-uchen`" z vy`kory`stannyam nepidgotovlenogo Image-Dataset, Visny`k Nacional`nogo texnichnogo universy`tetu «XPI»”, Seriya «Informaty`ka i modelyuvannya», available at: https://doi.org/10.20998/2411-0558.2018.42.10 (Accessed 8 Jan 2019).
  2. Goodfellow, I., Bengio, Y., Courville, A. and Bach F. (2017), Deep learning, Cambridge, MA: MIT Press.
  3. Atienza, R. (2018), Advanced Deep Learning with Keras, Packt Publishing, Birmingham, UK.
  4. Nielsen, M. (2018), “Neural Networks and Deep Learning”, available at: http:// neuralnetworksanddeeplearning.com (Accessed 15 Jan 2019).
  5. Chollet, F. (2017), Deep Learning with Python,Manning Publications, New York, USA.
  6. Rosebrock, A. (2017), Deep Learning for Computer Vision с Python, PyImageSearch.
  7. Shanmugamani, R. (2018), Deep Learning for Computer Vision Packt, PacktPublishing, Birmingham, UK.
  8. Sejnowski, T. J. (2018), The Deep Learning Revolution, MA: MIT Press.
  9. Pejić-Bach, M. (2007), “Developing system dynamics models with «step-by-step» approach”, available at: https://www.researchgate.net/publication/28811323_Developing_ system_dynamics_models_with_step-by-step_approach (Accessed 24 Dec 2018).
  10. Sewak, M., Rezaul K. and Pujari, P. (2018), Practical Convolutional Neural Networks, Packt Publishing.
  11. “OpenCV 2.4.13.7 documentation. Miscellaneous Image Transformations. Adaptive Threshold”, available at: https://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous_ transformations.html?highlight=threshold#threshold (Accessed 18 Jan 2019).
  12. (2018), “Python Script to download hundreds of images from Google Images”, available at: https://github.com/hardikvasa/google-images-download (Accessed 24 Jan 2019).
  13. Langtangen, H.P. (2015), “Doing operating system tasks in Python”, available at: https://hplgit.github.io/edu/ostasks/ostasks.pdf. (Accessed 26 Jan 2019).
  14. Howse, J. (2013), OpenCV Computer Vision with Python, Packt Publishing, Birmingham, UK.
  15. “The Python Standart Library. Subprocess management”, available at: https:// docs.python.org/2/library/subprocess.html (Accessed 26 Jan 2019).
  16. Gulli, A. and Pal, S. (2017), Deep Learning with Keras, Packt Publishing.
  17. Tosi, S. (2009), Matplotlib for Python Developers, Packt Publishing, Birmingham, UK.
  18. “The Python Standart Library. Parser for command-line options, arguments and sub-commands”, available at: https://docs.python.org/3.7/library/argparse.html (Accessed 26 Jan 2019).
  19. Changhau, I. (2017), “Loss Functions in Neural Networks”, available at: https://isaacchanghau.github.io/post/loss_functions/ (Accessed 26 Jan 2019).

ZUBARIEV Dmytro Oleksandrovich, Post-graduate G.E. Pukhov Institute for Modelling in Energy Engineering National Academy of Sciences of Ukraine. Graduated from Vladimir Dahl East Ukrainian National University in 2018. Field of scientific research: neural networks, programming, cybersecurity, IT technologies.

SKARGA-BANDUROVA Inna Serhiivna, Doctor of Technical Sciences, Professor, Head of Department of Computer Science and Engineering Volodymyr Dahl East Ukrainian National University. Graduated from the Severodonetsk Institute of Technology of East Ukrainian National University in 1996. Doctor of Technical Sciences since 2015 (Kherson National Technical University). Fields of scientific research: artificial intelligence, decision theory, formal methods of data analysis, medical science, environmental science.

SAPYTSKA Olena Mikhailivna, Cand. of Historical Sciences, Associate Professor, Department of History and Archeology, Volodymyr Dahl East Ukrainian National University. Graduated from Volodymyr Dahl East Ukrainian National University in 2003. Candidate of Historical Sciences since 2009 (Volodymyr Dahl East Ukrainian National University). Field of scientific research: using of IT technology in historical science, creation of interactive historical digital projects, history of IT.

Повний текст: PDF