دانلود پایان نامه : بررسی درستی داده ها و بهبود ایمنی در شبکه های عصبی عمیق (DNN)

شبکه های عصبی عمیق (DNN) عملکرد بسیار خوبی را به اثبات رسانده اند و در طبقه بندی تصویر و تشخیص شی بسیار موفق هستند. صنایع مهم ایمنی مانند صنعت خودرو و هوا فضا قصد دارند خودروهای مستقل را با کمک DNN تولید کنند. به منظور تأیید استفاده از DNN ها در سیستم های حیاتی ایمنی ، اثبات درستی داده ها در سیستم ضروری است. در این پایان نامه ، تحقیق بر روی بررسی منابع عدم اطمینان ، تأثیرات مختلف منابع عدم اطمینان بر NN ها و چگونگی کاهش عدم اطمینان در داخل NN متمرکز شده است. از روش های احتمالی برای اجرای NN با برآورد عدم قطعیت برای تجزیه و تحلیل و ارزیابی اینکه چگونه یکپارچگی NN تحت تأثیر قرار می گیرد استفاده می شود. با تجزیه و تحلیل و بحث در مورد اثرات عدم اطمینان در یک NN می توان اهمیت شامل روش تخمین عدم قطعیت را درک کرد. جلوگیری ، کاهش یا حذف وجود عدم اطمینان در چنین شبکه ای صحت داده ها را در سیستم بهبود می بخشد. با اجرای NN ، نتایج نشان می دهد که برآورد عدم اطمینان امکان شناسایی و طبقه بندی وجود عدم اطمینان در سیستم و کاهش عدم اطمینان برای دستیابی به یک سطح افزایش یافته از یکپارچگی را فراهم می کند ، که صحت پیش بینی ها را بهبود می بخشد.