Slika naslovnice

Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela

Sažetak na hrvatskom: Konvolucijske neuronske mreže danas su često korištene za klasifikacijsku ulaznih podataka u pojedine moguće razrede za koje je model prethodno istreniran. Neovisno o testnom podatku, model će uvijek s određenom sigurnošću predvidjeti pripradnost ulaza u jedan od klasifikacijsk...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:48967/Similar
Glavni autor: Kovač, Bruno (-)
Ostali autori: Šegvić, Siniša (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, B. Kovač, 2018.
Predmet:
duboki model > konvolucijske neuronske mreže > otkrivanje izvandistribucijskih podataka > AUROC > AUPR > skup podataka > treniranje > testiranje > validacija > CIFAR-10 > TensorFlow
deep model > convolutional neural networks > discovery of out-of-distribution data > AUROC > AUPR > dataset > training > testing > validation > CIFAR-10 > TensorFlow

APA stil citiranja

Kovač, B., & Šegvić, S. (2018). Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela: Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela : završni rad. Zagreb: B. Kovač.

Chicago stil citiranja

Kovač, Bruno, and Siniša Šegvić. Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela: Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela : završni rad. Zagreb: B. Kovač, 2018.

MLA stil citiranja

Kovač, Bruno, and Siniša Šegvić. Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela: Otkrivanje izvandistribucijskih podataka analizom izlaza dubokog modela : završni rad. Zagreb: B. Kovač, 2018.

Slični primjerci