PDK: Function shaping in deep learning. Vāks

Function shaping in deep learning

Summary of the Doctoral Thesis

Ēvalds Urtāns, Rīgas Tehniskā universitāte, Latvija

ORCID iD https://orcid.org/0000-0001-9813-0548

Darbs apraksta kļūdas funkciju un ar to saistītu metožu ietekmi uz dziļo stimulēto mašīnmācīšanos un dziļo metriku mašīnmācīšanos. Jaunizveidotā MDQN kļūdas funkcija pārspēja DDQN kļūdas funkciju PLE datorspēļu vidēs, un jaunizveidotā eksponenciālās trijotnes kļūdas funkcija pārspēja standarta trijotnes kļūdas funkciju sejas reidentifikācijas uzdevumā, izmantojot  VGGFace2 datu kopu. Tā sasniedz 85,7 % precizitāti, izmantojot nulles-šāviena metodi. Tika izveidots arī UNet-RNN-Skip modelis, kas uzlabo veiktspēju vērtību funkcijai ceļu plānošanas uzdevumos.

Papildus informācija

Izdevuma tips

DOI

https://doi.org/10.7250/9789934226854

Aizstāvēšanas datums

01.12.2021.

Formāts

ISBN (pdf)

978-9934-22-685-4

Lappušu skaits

76

Publicēts tiešsaistē

Valoda

Izdevējs

RTU Izdevniecība

Publicēšanas valsts

Latvija

Atsauksmes

Vēl nav nevienas atsauksmes.

Be the first to review “Function shaping in deep learning”