Tinh chỉnh kiến trúc VGG nhận dạng trên tập dữ liệu hạn chế : Khóa luận tốt nghiệp

=001  62316=005  20260518171035.000=008  190906=040  ##$aHUFLITLIB=041  0#$avie=044  ##$avm=082  04$a005.74 $bNG527T=100  1#$aNguyễn, Minh Thường=245  10$aTinh chỉnh kiến trúc VGG nhận dạng trên tập dữ liệu hạn chế : $bKhóa luận tốt nghiệp / $cNguyễn Minh Thường; Tôn Quang Toại: giảng viên hướng dẫn=260  ##$aTPHCM : $bHUFLIT, $c2019=300  ##$a153 trang : $bminh họa ; $c21x30cm=502  ##$aKhóa luận tốt nghiệp -- Ngành Công nghệ thông tin, Mã số 7480201=520  ##$aVGG là kiến trúc deep learning ra đời 2014, là một bước đột phá về kiến trúc khi lần đầu tiên cộng đồng deep learning có thể xây dựng được mô hình có độ sâu đến 16 và 19 tầng. Tuy nhiên để sử dụng VGG thì cần tập dữ liệu lớn vì số lượng tham số trong VGG khá nhiều. Trong đề tài này sẽ nghiên cứu kiến trúc VGG 16, từ đó tinh chỉnh lại kiến trúc (thiết kế bộ sinh dữ liệu, thực nghiệm các siêu tham số, ...) để mô hình có thể chạy trên tập dữ liệu có số lượng bị giới hạn=610  20$aHo Chi Minh City University of Foreign Languages - Information Technology-- $bfaculty of information technology=610  20$aTrường Đại học Ngoại ngữ - Tin học TPHCM -- $bKhoa Công nghệ Thông tin=650  #4$aChương trình máy tính, $zXử lý dữ liệu điện tử=650  #4$aComputer Programs, $zElectronic data processing=653  ##$aKhóa luận tốt nghiệp -- Công nghệ Thông tin=700  1#$aNguyễn, Minh Thường, $cLớp PM1503, $eNgười thực hiện=700  1#$aTôn, Quang Toại, $cThS. $eGiảng viên hướng dẫn=852  ##$bThư viện Sư Vạn Hạnh $j101001705=LDR  02162nam a2200325   45e0