Dziļo neironu tīklu veidi un galvenās risināmās problēmas

Abstract

Darbā tika pētīta mašīnmācīšanās apakšnozare, dziļie neironu tīkli. Lai gūtu nepieciešamās pamatzināšanas par neironu tīklu uzbūvi un darbības principiem, sākotnēji tika apskatīti vienkāršākie neironu tīkli – perceptroni. Pēc tam tika pētīta dziļā mācīšanās un dziļie neironu tīkli, to, kas tiek saprasts ar šo jēdzienu, kādā veidā tie atšķiras no tradicionālajiem risinājumiem, kādi ir to veidi un to kādus uzdevumus un kādā veidā tie spēj risināt. Rezultātā autors ieguva zināšanas neironu tīklu nozarē, kuras var izmantot tālākajā izpētē. Ir sniegts ieskats neironu tīklu pamatos, izpētīta dziļo neironu tīklu nozare, apskatīti populārākie dziļie neironu tīkli un to dažādais pielietojums. Kā arī ir sniegts ieskats tajā, kur šie risinājumi tiek izmantoti ikdienā sistēmās, kuras mēs lietojam un kādi ir priekšnosacījumi, lai katrs pats varētu veidot savus dziļos neironu tīklus.

In this paper are covered such subjects as the sub sector of machine learning and the deep neural networks. To gain necessary base - knowledge about the architectural framework of neural networks and their functioning principles, there were addressed the most simple neural networks - perceptrons. Afterwards the research has broadened in the way of deep learning and deep neural networks, what do they cover, how they differ from the standard and most common solutions, what kinds of deep neural networks are there and how they can solve different tasks. In the result, author gained the necessary information and knowledge in the field of neural networks that can be used for further research. An insight has been given in the basics of deep neural networks, also covering the most popular neural networks and the adhibitance of them, the way of using them in daily problemsolving systems and what are the preconditions for making your own deep neural networks.