Поиск :
Личный кабинет :
Электронный каталог: Кралин, В. А. - Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов...
Кралин, В. А. - Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов...
Нет экз.
Электронный ресурс
Автор: Кралин, В. А.
Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов... : студенческая научная работа
Издательство: [Б. и.], 2020 г.
ISBN отсутствует
Автор: Кралин, В. А.
Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов... : студенческая научная работа
Издательство: [Б. и.], 2020 г.
ISBN отсутствует
На полку
Электронный ресурс
Кралин, В. А.
Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов сегментации криогенных электронных томограмм : студенческая научная работа / Московский физико-технический институт (национальный исследовательский университет). – Москва : [Б. и.], 2020. – 64 с. : ил.,табл.,схем. – URL: https://biblioclub.ru/index.php?page=book&id=597141. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с. 62-64. – На рус. яз.
Тема выпускной квалификационной работы «Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов сегментации криогенных электронных томограмм».Выпускная квалификационная работа состоит из: введения, трех глав, заключения и списка использованных источников.Во введении содержится обоснование актуальности проблемы исследования, научной новизны и практической значимости работы. Сформулированы основные цели и задачи исследования.В первой главе рассмотрены теоретические основы формирования изображения в просвечивающем электронном микроскопе, определены основные факторы, влияющие на возникновения аберраций в электронных линзах, проанализированы процессы взаимодействия электронов с образцом, описан принцип регистрации сигналов.Во второй главе приведено описание используемого оборудования, детально описана схема эксперимента и используемые подходы для формирования 3D модели. Отдельно описаны процессы заморозки, препарирования образца, получения поворотных серий, трехмерная реконструкция и сегментация.В третьей главе представлены результаты экспериментов. Приведены данные поворотных серий, показаны все этапы реконструкции, сегментации. Проведен сравнительный анализ используемых функций, а также показаны результаты работы машинного обучения в процессах сегментации данных. Показаны возможности проведения быстрого анализа экспериментальных данных.В заключении приведены основные выводы, полученные результаты проведенного исследования.
Кралин, В. А.
Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов сегментации криогенных электронных томограмм : студенческая научная работа / Московский физико-технический институт (национальный исследовательский университет). – Москва : [Б. и.], 2020. – 64 с. : ил.,табл.,схем. – URL: https://biblioclub.ru/index.php?page=book&id=597141. – Режим доступа: электронная библиотечная система «Университетская библиотека ONLINE», требуется авторизация . – Библиогр.: с. 62-64. – На рус. яз.
Тема выпускной квалификационной работы «Возможности использования сверточных нейронных сетей с глубоким обучением для ускорения процессов сегментации криогенных электронных томограмм».Выпускная квалификационная работа состоит из: введения, трех глав, заключения и списка использованных источников.Во введении содержится обоснование актуальности проблемы исследования, научной новизны и практической значимости работы. Сформулированы основные цели и задачи исследования.В первой главе рассмотрены теоретические основы формирования изображения в просвечивающем электронном микроскопе, определены основные факторы, влияющие на возникновения аберраций в электронных линзах, проанализированы процессы взаимодействия электронов с образцом, описан принцип регистрации сигналов.Во второй главе приведено описание используемого оборудования, детально описана схема эксперимента и используемые подходы для формирования 3D модели. Отдельно описаны процессы заморозки, препарирования образца, получения поворотных серий, трехмерная реконструкция и сегментация.В третьей главе представлены результаты экспериментов. Приведены данные поворотных серий, показаны все этапы реконструкции, сегментации. Проведен сравнительный анализ используемых функций, а также показаны результаты работы машинного обучения в процессах сегментации данных. Показаны возможности проведения быстрого анализа экспериментальных данных.В заключении приведены основные выводы, полученные результаты проведенного исследования.