Finansavimas

Projektu siekiama ištirti naują dirbtinių neuroninių tinklų rūšį – kapsulinius dirbtinius neuroninius tinklus. Šių tinklų teorinis modelis teigia, kad jie turėtų būti atsparūs įvairioms duomenų transformacijoms, tačiau šis teiginys dar nėra pagrįstas eksperimentiškai. Todėl projekto tikslas – išanalizuoti kapsulinio neuroninio tinklo atsparumą įvairioms vaizdo duomenų transformacijoms ir palyginti rezultatus su gilaus mokymo neuroniniais tinklais. Šiam tikslui pasiekti reikia atilikti eksperimentinius tyrimus su kapsuliniais neuroniniais tinklais ir gilaus mokymo konvoliuciniais tinklais, siekiant išsiaiškinti jų atsparumą įvairioms vaizdo duomenų transformacijoms. Projektą sudaro trys pagrindinės dalys – kapsulinio bei gilaus mokymo konvoliucinio dirbtinių neuroninių tinklų apmokymas; transformuotų duomenų rinkinių ruošimas; abiejų dirbtinių neuroninių tinklų išbandymas, įvertinimas bei palyginimas naudojant sugeneruotus duomenis. Projektu siekiama sukurti metodiką, kuri leistų įvertinti kapsulinio neuroninio tinklo ir gilaus mokymo konvoliucinio neuroninio tinklo atsparumą įvairioms vaizdo duomenų transformacijoms. Sėkmingai įvykdžius projektą, būtų žinoma, ar teorinis kapsulinių dirbtinių neuroninių tinklų modelis yra teisingas. Jei teorinis modelis teisingas, šie dirbtiniai neuroniniai tinklai gali būti plačiai taikomi įvairiems vaizdo atpažinimo uždaviniams spręsti. Be to, būtų sukurta metodika, leidžianti atlikti tokio tipo tyrimus bei matavimus ir kitiems dirbtiniams neuroniniams tinklams. Tai leistų paprasčiau ir objektyviau palyginti skirtingas dirbtinių neuroninių tinklų architektūras.