BashGU
Electronic Library

     
?

Details
Card Table RUSMARC

Булатов, И. И. Устранение шумов при аппроксимации медицинских изображений: выпускная квалификационная работа по направлению подготовки (специальность) 03.04.02 Физика.Направленность (профиль): Медицинская физика [Электронный ресурс] / И. И. Булатов; Уфимский университет науки и технологий, Стерлитамакский филиал, Естественнонаучный факультет, Кафедра общей и теоретической физики ; научный руководитель Н. Н. Биккулова. — Стерлитамак, 2025. — 63 с. — <URL:https://elib.bashedu.ru/dl/diplom/SF/2025/ENF/BulatovII_03.04.02_MFIZ_mag_2025_VKR.pdf>.

Record create date: 7/17/2024

Subject: Физика; Медицинская физика; магистратура; ВКР; медицинские изображения

UDC: 53

LBC: 22.3

Collections: Магистерские диссертации; Общая коллекция

Allowed Actions: –

*^% Action 'Read' will be available if you login and work on the computer in the reading rooms of the Library

Group: Anonymous

Network: Internet

Document access rights

Network User group Action
Library BashGU Local Network Authenticated users Read
Library BashGU Local Network All
Internet Authenticated users Read
-> Internet All

Table of Contents

  • 1a951cb9e0f5692710b6303066f14a2f23a2b3a8262810515bb7c0c8ba62ae1e.pdf
    • ВВЕДЕНИЕ
    • ГЛАВА 1. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ
      • 1.1. Обобщение нейронной сети
      • 1.2. Прямое распространение нейронной сети
      • 1.3. Обратное распространение ошибки сверточной нейронной сети
      • 1.4. Коэффициент сходимости. Условия Липшица
      • Вывод по первой главе
      • 6. Рассмотрели влияния данных на устойчивость прямого и обратного распространения ошибки и рассмотрели методы приведения данных к устойчивому виду.
    • ГЛАВА 2. ОСНОВНЫЕ ИНЖЕНЕРНЫЕ РАСЧЕТЫ ДЛЯ НЕЙРОННЫХ СЕТЕЙ
      • 2.1. Асимптотическая сложность прямого распространения нейронной сети
      • 2.2. Асимптотическая сложность обратного распространения ошибки сверточной нейронной сети
      • 2.3. Асимптотическая емкость сверточной нейронной сети
      • 2.4. Вычислительные расчеты для некоторых функций активации
        • Пример:
        • Особые случаи:
        • 1. Системный дизайн:
        • 2. Выбор архитектуры:
        • GPU: Для задач с P>95% (матричные операции в ИИ),
      • Вывод по второй главе
    • ГЛАВА 3. ПРОЕКТИРОВАНИЕ НЕЙРОННОЙ СЕТИ
      • 3.1. Асимптотическая оценка занимаемой памяти
      • 3.2. Граф архитектуры программы
      • Выводы по третьей главе
    • ГЛАВА 4. ЭКСПЕРИМЕНТ
      • 4.1. Описание наборов выборок и топологии нейронной сети
      • 4.2. Выявление коэффициента корреляции между функцией потерь и математическим ожиданием
      • Вывод по четвертой главе
  • 7eefaeef1076cb303aecf03f98bf87650b4fbe8f1bfcaa325c6a29b2797a7e5d.pdf
  • 1a951cb9e0f5692710b6303066f14a2f23a2b3a8262810515bb7c0c8ba62ae1e.pdf
    • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ЛИТЕРАТУРЫ
  • 8b242574d4f54af818080fd10d84159640a88800a9ae723166f61bab5a90662e.pdf

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics