Syväoppivat neuroverkot ja niiden sovellukset

Tietueen suppeat tiedot
dc.contributor.authorHeininen, Sara
dc.contributor.departmentfi=Matematiikan ja tilastotieteen laitos|en=Department of Mathematics and Statistics|
dc.contributor.facultyfi=Luonnontieteiden ja tekniikan tiedekunta|en=Faculty of Science and Engineering|
dc.contributor.studysubjectfi=Sovellettu matematiikka|en=Applied Mathematics|
dc.date.accessioned2020-12-01T22:03:58Z
dc.date.available2020-12-01T22:03:58Z
dc.date.issued2020-11-17
dc.description.abstractTämä tutkielma käsittelee syväoppivia neuroverkkoja ja niiden sovelluksia. Tutkielmassa käydään läpi neuroverkkojen perusrakenne ja erilaisia neuroverkkorakenteita, neuroverkon kouluttaminen, syväoppivien neuroverkkojen rakenne ja sovellukset sekä tekoälyn ja koneoppimisen perusteita. Lisäksi esitetään esimerkkiongelma, jossa luokitellaan kuvia neuroverkkojen avulla. Tutkielman johdannossa annetaan lyhyt yleinen kuvaus neuroverkoista, sekä käydään läpi neuroverkkojen historiaa alkaen McCullochin ja Pittsin neuronimallista ja päättyen 1980-luvulla alkaneen neuroverkkojen modernin kehityksen saavutuksiin. Johdannon lopussa annetaan lyhyt kuvaus alan nykypäivän tilanteesta. Tutkielman alussa käydään läpi tekoälyn ja koneoppimisen perusteita. Tekoälyä käsittelevässä osiossa luodaan yleinen katsaus tekoälyn määritelmään ja sitä tutkivaan tieteenalaan. Koneoppimisen osalta yleisen katsauksen lisäksi käsitellään valvottua ja valvomatonta oppimista sekä kolmea keskeistä koneoppimisongelmaa: luokittelua, regressiota ja klusterointia. Seuraavaksi tutkielmassa siirrytään käsittelemään neuroverkkoja. Tässä tutkielmassa keinotekoisiin neuroverkkoihin viitataan yleensä yksinkertaisesti termillä "neuroverkot". Tutkielmassa käydään läpi neuroverkkojen perusteita, ominaisuuksia, rakennetta sekä erilaisia aktivaatiofunktioita. Eri neuroverkkorakenteista käsitellään monikerroksinen perseptroni, takaisinkytketty neuroverkko ja itseorganisoituva kartta. Neuroverkkojen kouluttamiseen liittyen käydään perusperiaatteiden lisäksi läpi gradientin laskeutuminen, vastavirta-algoritmi, koulutus-, testaus- ja arviointiaineisto, sekä ali- ja ylisovittaminen. Neuroverkkojen jälkeen tutkielmassa siirrytään käsittelemään syväoppivia neuroverkkoja yksityiskohtaisemmin. Yleisen kuvauksen lisäksi syväoppiviin neuroverkkoihin liittyen käsitellään logistista regressiota, syväoppivien neuroverkkojen sovelluksia sekä syväoppivia neuroverkkorakenteita, joista esitellään konvoluutioneuroverkko ja pinotut autoenkooderit.
dc.format.extent85
dc.identifier.olddbid167707
dc.identifier.oldhandle10024/150834
dc.identifier.urihttps://www.utupub.fi/handle/11111/12889
dc.identifier.urnURN:NBN:fi-fe2020120198991
dc.language.isofin
dc.rightsfi=Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.|en=This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.|
dc.rights.accessrightsavoin
dc.source.identifierhttps://www.utupub.fi/handle/10024/150834
dc.subjectkeinotekoiset neuroverkot, syväoppivat neuroverkot, syväoppiminen, koneoppiminen, tekoäly
dc.titleSyväoppivat neuroverkot ja niiden sovellukset
dc.type.ontasotfi=Pro gradu -tutkielma|en=Master's thesis|

Tiedostot

Näytetään 1 - 1 / 1
Name:
Heininen_Sara_opinnayte.pdf
Size:
2.32 MB
Format:
Adobe Portable Document Format
Lataa

Kokoelmat

Pro gradu -tutkielmat ja diplomityöt sekä syventävien opintojen opinnäytetyöt (kokotekstit)