Klasifikace spekter pomocí konvolučních neuronových sítí
Tématem práce je aplikace nejmodernějších metod umělé inteligence (konvolučních neuronových sítí) na problém klasifikace spekter vesmírných objektů. Konvoluční neuronové sítě vycházejí ze studií zrakového a nervového systému. Tato spojitost je v práci teoreticky objasněna. Pro účely této práce byl a...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Angličtina |
| Vydáno: |
2014
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/323919/prif_m/ |
| Shrnutí: | Tématem práce je aplikace nejmodernějších metod umělé inteligence (konvolučních neuronových sítí) na problém klasifikace spekter vesmírných objektů. Konvoluční neuronové sítě vycházejí ze studií zrakového a nervového systému. Tato spojitost je v práci teoreticky objasněna. Pro účely této práce byl autorem vyvinut balík skriptů a programů, který obstarává přípravu dat, preprocessing i samotné učení konvolučních sítí a následnou klasifikaci. Při aplikace těchto metod na testovací množinu 60000 spekter bylo dosáhnuto rekordní úspěšnosti klasifikace téměř 95%. Práce jednoznačně prokázala obrovský potenciál konvolučních neuronových sítí a "deep learning" metod obecně v astrofyzice. The topic of this thesis is an application of the most advanced methods of artificial intelligence on the spectral classification problem. Convolutional neural networks were inspired by research of the visual cortex of animals and humans. This link is further clarified in the thesis. Author developed a software pack of scripts and programs for datasets preparation, preprocessing, training and testing of convolutional neural networks. Their application on dataset of more than 60000 spectra yielded record success rate of nearly 95%. This thesis conclusively proved great potential of convolutional neural networks and deep learning methods in the field of astrophysics. |
|---|---|
| Popis jednotky: | Vedoucí práce: Filip Hroch |
| Fyzický popis: | 73 s. |