Simple view
Full metadata view
Authors
Statistics
Interpretacja konwolucyjnych sieci neuronowych metodami atrybucji i wizualizacji cech.
Interpreting convolutional neural networks with attribution and feature visualization methods.
uczenie maszynowe, sieć neuronowa, konwolucyjna sieć neuronowa, interpretacja sieci neuronowych, atrybucja, wizualizacja cech
machine learning, neural network, convolutional neural network, neural networks interpretation, attribution, feature visualization
Celem niniejszej pracy jest przedstawienie metod służących do interpetacji konwolucyjnych sieci neuronowych, opisanie sposobów na modyfikacje tych metod oraz sformalizowanie ich definicji. Omówione zostały perturbacyjne i gradientowe metody atrybucji oraz inspirowany programem DeepDream algorytm służący do wizualizacji cech. Wyniki zostały przedstawione jako mapy istotności, mapy cieplne i mapy segmentacji.
The aim of this thesis is to present interpretation methods for convolutional neural networks, describe ways to modify them and formalize their definitions. It discusses perturbation and gradient-based attribution methods and DeepDream inspired algorithm for feature visualization. The results are presented as saliency maps, heat maps and segmentation maps.
| dc.abstract.en | The aim of this thesis is to present interpretation methods for convolutional neural networks, describe ways to modify them and formalize their definitions. It discusses perturbation and gradient-based attribution methods and DeepDream inspired algorithm for feature visualization. The results are presented as saliency maps, heat maps and segmentation maps. | pl |
| dc.abstract.pl | Celem niniejszej pracy jest przedstawienie metod służących do interpetacji konwolucyjnych sieci neuronowych, opisanie sposobów na modyfikacje tych metod oraz sformalizowanie ich definicji. Omówione zostały perturbacyjne i gradientowe metody atrybucji oraz inspirowany programem DeepDream algorytm służący do wizualizacji cech. Wyniki zostały przedstawione jako mapy istotności, mapy cieplne i mapy segmentacji. | pl |
| dc.affiliation | Wydział Matematyki i Informatyki | pl |
| dc.area | obszar nauk ścisłych | pl |
| dc.contributor.advisor | Wrona, Michał | pl |
| dc.contributor.author | Proszewska, Magdalena | pl |
| dc.contributor.departmentbycode | UJK/WMI2 | pl |
| dc.contributor.reviewer | Wrona, Michał | pl |
| dc.contributor.reviewer | Micek, Piotr - 142050 | pl |
| dc.date.accessioned | 2020-07-28T08:26:21Z | |
| dc.date.available | 2020-07-28T08:26:21Z | |
| dc.date.submitted | 2020-07-17 | pl |
| dc.fieldofstudy | informatyka analityczna | pl |
| dc.identifier.apd | diploma-143771-227013 | pl |
| dc.identifier.project | APD / O | pl |
| dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/242728 | |
| dc.language | pol | pl |
| dc.subject.en | machine learning, neural network, convolutional neural network, neural networks interpretation, attribution, feature visualization | pl |
| dc.subject.pl | uczenie maszynowe, sieć neuronowa, konwolucyjna sieć neuronowa, interpretacja sieci neuronowych, atrybucja, wizualizacja cech | pl |
| dc.title | Interpretacja konwolucyjnych sieci neuronowych metodami atrybucji i wizualizacji cech. | pl |
| dc.title.alternative | Interpreting convolutional neural networks with attribution and feature visualization methods. | pl |
| dc.type | licenciate | pl |
| dspace.entity.type | Publication |