Повышение точности работы нейронных сетей по распознаванию рукописных символов за счет предварительной подготовки данных
DOI:
https://doi.org/10.5281/zenodo.10974581Ключевые слова:
датасет, стохастический градиентный спуск, батчи, итерации, эпохиЛицензия
Аннотация
В данной работе предложен способ подготовки данных для обучения нейронных сетей по распознаванию рукописных символов, позволяющий повысить точность их работы.
Скачивания
Библиографические ссылки
1. Подготовка датасета для машинного обучения: 10 базовых способов совершенствования данных [Электронный ресурс] / Хабр : [Сайт]. – URL: https://habr.com/ru/articles/684580/ (дата обращения 29.07.2023).
2. Writing Custom Datasets, DataLoaders and Transforms [Электронный ресурс] / PyTorch : [Сайт]. – URL: https://pytorch.org/tutorials/beginner/data_loading_tutorial.html (дата обращения 10.07.2023).
3. Введение в PyTorch [Электронный ресурс] / Pythonist : [Сайт]. – URL: https://pythonist.ru/vvedenie-v-pytorch/ (дата обращения 10.07.2023).
REFERENCES LIST
1. Podgotovka dataseta dlia mashinnogo obucheniia: 10 bazovykh sposobov sovershenstvovaniia dannykh [Elektronnyi resurs] / Khabr : [Sait]. – URL: https://habr.com/ru/articles/684580/ (data obrashcheniia 29.07.2023).
2. Writing Custom Datasets, DataLoaders and Transforms [Elektronnyi resurs] / PyTorch : [Sait]. – URL: https://pytorch.org/tutorials/beginner/data_loading_tutorial.html (data obrashcheniia 10.07.2023).
3. Vvedenie v PyTorch [Elektronnyi resurs] / Pythonist : [Sait]. – URL: https://pythonist.ru/vvedenie-v-pytorch/ (data obrashcheniia 10.07.2023).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.





