Распознование рукописных цифр на примере выборки MNIST (летняя практика) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница, с помощью формы Новое_задание_на_летнюю_практику)
 
 
Строка 3: Строка 3:
 
|mentor=Янович Юрий Александрович
 
|mentor=Янович Юрий Александрович
 
|mentor_login={{URLENCODE:Старчикова Ольга|WIKI}}
 
|mentor_login={{URLENCODE:Старчикова Ольга|WIKI}}
|organization=кафедра технологий моделирования сложных систем, ИППИ РАН
+
|organization=кафедра ТМСС/ФКН/НИУ ВШЭ
 
|hse_profile=http://www.hse.ru/org/persons/134005657
 
|hse_profile=http://www.hse.ru/org/persons/134005657
 
|email=yanovich.yury@ya.ru
 
|email=yanovich.yury@ya.ru

Текущая версия на 14:45, 31 мая 2015

Автор Янович Юрий Александрович
Профиль на сайте ВШЭ
Электронная почта
Организация кафедра ТМСС/ФКН/НИУ ВШЭ
Учебный год 2015
По теме задания можно сделать курсовую в следующем году обучения


Задание

В работе предполагается применить стандартные алгоритмы классификации (методы ближайших соседей, байессовский классификатор, метод опорных векторов, решающие деревья и другие) для распознования рукописных цифр на примере популярной и общедоступной выборки данных MNIST ( http://yann.lecun.com/exdb/mnist/ ). Также, применить методы нормализации данных (например, выравнивания угла изображения) и генерации признаков (например, метод главных компонент и графово-топологические) для улучшения качества классификации.

Какие начальные требования?

Начальные навыки программирования, желательно знакомство с Matlab или Python

Какие будут использоваться технологии?

Matlab или Python

Какая дополнительная литература понадобится?

C.M. Bishop: Pattern Recognition and Machine Learning. Heidelberg, Springer (2007) К.В.Воронцов: Машинное обучение (курс лекций, 2015) Rafael M. O. Cruz et al.: Handwritten Digit Recognition Using Multiple Feature Extraction Techniques and Classifier Ensemble (2010)