Rozpoznávání číslic pomocí hlubokých neuronových sítí

David ČÍŽ

Bakalářská práce

Letter recognition using deep neural networks

Anotace:

Tato práce popisuje základní prvky neuronových sítí a techniky jejich učení. Cílem práce bylo vytvoření hluboké neuronové sítě schopné rozeznat obrázky databáze MNIST. Toho bylo dosaženo vytvořením konvoluční neuronové sítě v prostředí TensorFlow. Podařilo se dosáhnout úspěšnosti 99,2 %. V porovnání s klasickou neuronovou sítí adaptovanou metodou backpropagation jde o navýšení o 7,2 %.

Abstract:

This thesis describes basic principles of neural networks and their learning. The goal of this thesis was to create a deep convolution neural network that is able to recognize pictures from MNIST database. This was achieved by creating a convolution neural network in TensorFlow environment. The accuracy achieved had reached 99.2 %. That is 7.2 % increase, compared to classical neural networks adapted by backpropagation method.

Klíčová slova

Neuronové sítě, hluboké neuronové sítě, hluboké učení, konvoluční sítě, rozpoznávání číslic, MNIST, TensorFlow, TensorBoard

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 24. 4. 2017

Obhajoba závěrečné práce

• Vedoucí: RNDr. Martin Kotyrba, Ph.D.

OSTRAVSKÁ UNIVERZITA

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Aplikovaná informatika / Informatika a výpočetní technika - aplikovaná informatika