SysLab System Modeling and
Software Technologies
  • Home
  • Research
  • Publications
  • Projects (in Latvian)
    • ERAF projekti
      • Granulāro ontoloģiju rīku projekts
      • IT Drošības incidentu projekts
      • Tīklu vizualizācijas un analīzes rīku projekts
      • Procesu pārvaldības sistēmu būves projekts
      • Semantisko datubāzu platformas projekts
      • Uz grafiem balstītas sistēmbioloģijas datu modelēšanas un analīzes metodes
      • Dziļās mašīnmācīšanās modeļi un to pārvaldības ietvars
      • Pēcdoktorantūras pētniecības atbalsts
        • 1.1.1.2/VIAA/1/16/180 (E.Kalniņa)
        • 1.1.1.2/VIAA/1/16/214 (S.Kozlovičs)
        • 1.1.1.2/VIAA/1/16/218 (E.Rencis)
      • Kvantu kriptogrāfijas pielietojumu projekts
    • ESF projekti
      • Lietojumu balstīta datu grafiska un semantiska apstrādes un analīzes tehnoloģija
    • Valsts pētījumu programmas
      • SOPHIS
      • NexIT
        • 1.projekts
          • Populārzinātniski raksti
          • Vispārīga informācija
        • 4.projekts
    • Citi projekti
  • Staff
  • Contacts
  1. Home
  2. Projects (in Latvian)
  3. ERAF projekti
  4. Dziļās mašīnmācīšanās modeļi un to pārvaldības ietvars
  5. Dziļās mašīnmācīšanās modeļu projekta jaunumi
  6. 28.06.2019
Details
Parent Category: Dziļās mašīnmācīšanās modeļu projekts

28.06.2019

Pārskats par periodu: 2019. gada aprīlis - 2019. gada jūnijs

 

Aktivitātes WP1 ietvaros:

T.1.1.1:

Ir uzsākts darbs pie ietvara arhitektūras izstrādes. Ir izstrādāta minimālā ietvara prototipa bāzes arhitektūra un atbilstoši izveidots loģiskais modelis.

T.1.2.1:

Ir uzsākts darbs pie ietvara grafiskās saskarnes komponentes izstrādes, ir izveidots saskarnes minimāls prototips, kas ļauj saņemt un saglabāt datus no ārējas programmas un to rezultātus attēlot tabulu formā. Ir izstrādāts pirmais prototips Python bibliotēkai, kas pārsūta datus no ārējas programmas uz ietvara saskarni.

T.1.3.1:

Ir uzsākts darbs pie publikācijas par ietvara datu modeli. Ir apzināti un izpētīti alternatīvi risinājumi. Ir izvērsta diskusija par potenciālās publikācijas saturu.

Aktivitātes WP2 ietvaros:

T.2.1:

Uzsākts darbs pie automatizētas attēlu aprakstu ģenerēšanas, kur TensorFlow vidē ir aprobēta iespēja pārtrennēt no nulles state-of-art attēlu aprakstu ģenerēšanas risinājums angļu valodai, kas balstās uz pārneses apmācību (transfer learning) no InceptionV3 attēlu atpazīšanas modela un LSTM aprakstu ģenerēšanas modeļa, kuru sasaistei tiek apmācīts dziļais neironu tīkls izmantojot Microsoft COCO attēlu aprakstu angļu valodā datu kopu. Pēc šī soļa sekmīgas izpildes tika meklēta iespēja attēlu aprakstus ģenerēt arī latviešu valodā. Šim mērķim tikai izveidota LECO-2019 datu kopa ar aptuveni 1 200 000 attēliem un to aprakstiem latviešu valodā. Šī datu kopa sastāv no divām līdzīga apjoma daļām: Microsoft COCO datu kopas angļu aprakstu tulkojumiem latviešu valoda (tika izmēģināti vairāki publiski pieejami tulkotaji, par piemērotāko tika izvēlēts Hugo.lv) un LETA foto arhīva un tā aprakstiem laika posmā no 2004. līdz 2019. gadam.

T.2.2:

Ir uzsākts darbs pie publikācijas par attēlu aprakstu ģenerēšanu, tiek analizēta un studēta literatūra un ir izvēlēti perspektīvākie modeļu kandidāti, ar kuriem tiks veikti tālākie eksperimenti.

Aktivitātes WP3 ietvaros:

Sabiedrības informēšanai ir izveidota mājaslapa (https://syslab.lumii.lv/projects/erafprojects/dzilas-mm-modelu-projekts), kā arī Twitter konts (https://twitter.com/imcs_dl).

Dziļās mašīnmācīšanās modeļu projekta jaunumi

  • 25.03.2022

  • 27.03.2020

  • 27.03.2021

  • 27.06.2020

  • 27.06.2021

IMCS UL