TSI logo 25 years
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Mašīnmācīšanās izmantošana lēmumu atbalsta sistēmā

Šī darba mērķis ir uzlabot gaidīšanas laiku prognozēšanas precizitāti esošajā rindas vadības sistēmā, izmantojot mašīnmācīšanos. Tika analizēti klienta sniegtie dati un modeļi tika apmācīti, izmantojot dažādus mašīnmācīšanās algoritmus. Tika apkopoti modeļu veiktspējas rādītāji un izvēlēts labākais. Papildus tika izstrādāta programmatūra un datubāze, kas ļauj kontrolēt apmācības procesu un novērtēt modeļu kvalitāti. Programmatūras kvalitāte tika novērtēta, izmantojot nozares standartmetodoloģijas, un tika pārbaudīta.

Autors: Jevgēnijs Nikolajevs

Vadītājs: Jeļena Kijonoka

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Latviešu

Studiju programma: Datorzinātnes

Vairāk...

Ar pipeline saistītu artefaktu un bojājumu atpazīšana IHC krāsojumos izmanotojot KNT kā pirmapstrādes posms patoloģiskajai analīzei

Šajā darbā tiek piedāvāts automatizēts risinājums artefaktu un bojājumu segmentācijai biomedicīnas attēlos, izmantojot mašīnmācīšanās algoritmus. Izstrādes process ietver datu pirmapstrādi, marķējuma klasifikāciju, izmantojot klasterizācijas algoritmus, un segmentācijas modeli. Segmentēšanai tiek izmantotas tādas KNT arhitektūras kā YOLO un U-NET, bet klasterizācijai tiek novērtēti K-Means un DBSC algoritmi. Rezultāti ietver datu pirmapstrādes priekšnoteikumu kopumu, klasterizācijas algoritma testēšanu un rezultātu analīzi, segmentācijas modeli un ieteikumus turpmākai attīstībai.

Autors: Taisija Kožarina

Vadītājs: Jeļena Kijonoka

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View