Rozpoznávání číslic pomocí hlubokých neuronových sítí

David ČÍŽ

Bachelor's thesis

Letter recognition using deep neural networks

Abstract:

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.

Keywords

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

Language used: Czech

Date on which the thesis was submitted / produced: 24. 4. 2017

Thesis defence

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

University of Ostrava

Faculty of Science

Bachelor programme / field:
Applied Information Science / Information Science and Computer Technology - Applied Information Science