Распознование рукописных цифр на примере выборки MNIST (летняя практика)

Материал из Wiki - Факультет компьютерных наук
Версия от 21:14, 24 мая 2015; Старчикова Ольга (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск
Автор Янович Юрий Александрович
Профиль на сайте ВШЭ
Электронная почта
Организация кафедра технологий моделирования сложных систем, ИППИ РАН
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)