Rekomendacijos darbų rašymui

Kursinių darbų temos

2018/2019 m.m. pavasario semestras

  • Išskirčių identifikavimo algoritmai regresijos uždaviniams. (Išskirčių sąvoka. Fiksuoto skaičiaus išskirčių radimas. Nežinomo skaičiaus išskirčių radimas. Algorimų lyginamoji analizė.)

    Rezervuota: Juras Jankauskas

  • Žmogaus pozos nustatymas giliaisiais neuroniniais tinklais judesių klasifikavimui. (Pažintis su pozos nustatymo modeliais. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Rekurentiniai neuroniniai tinklai ir jų taikymas.)

    Rezervuota: Deimantas Gedgaudas

  • Gestų kalbos vienetų atpažinimas neuroniniais tinklais. (Pažintis su pozos nustatymo modeliais. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Rekurentiniai neuroniniai tinklai.)

    Rezervuota: Jokūbas Lekevičius

  • Teksto klasifikavimas naudojant rekurentinius neurinius tinklus. (Pažintis su teksto generavimo/vertimo modeliais. Teksto požymių konstravimas ir panaudojimas. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Rekurentiniai neuroniniai tinklai ir jų taikymas.)

    Rezervuota: Domantas Grotuzas

  • Žmogaus veiksmų perkėlimas į kitą vaizdo įrašą. (Pažintis su teksto kompiuterinės regos modeliais. Generatyviniai priešiški tinklai. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas.)

    Rezervuota: Deimantas Gedgaudas

  • Objektų identifikavimas naudojant giliuosius neuroninius tinklus. (Pažintis su vaizdų požymių panaudojimu. Konvoliuciniai ir siamo tipo neuroniniai tinklai. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas.)

    Rezervuota: Viktorija Valiukonytė

2017/2018 m.m. pavasario semestras

    Temos:
  • ✕ Diagnostikos ir analizės sistemos kūrimas dirbant su medicininiais vaizdais. (Pažintis su kompiuterinės regos programomis. Medicininių vaizdų DICOM formatas. Pagrindiniai vaizdų kodavimo principai. Įvairių "deep-learning" algoritmų taikymas klasifikavimo ir regresijos uždaviniams. Medicininių vaizdų analizė. Diagnostinės sistemos kūrimas.)

    Rezervuota: Benas Bagdanovas

  • ✕ Apsimokančios sistemos ir gilus mokymas vaizdų/sekų analizėje. (Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Apsimokančių sistemų specifika. Įvairių "deep-learning" algoritmų taikymas.)

    Rezervuota: Ignas Bradauskas, Mantas Petrikas, Aurimas Rimkus

  • Teksto klasifikavimas esant išbalansuotiems duomenų rinkiniams. (Pažintis su teksto generavimo/vertimo modeliais. Teksto požymių konstravimas ir panaudojimas. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Rekurentiniai neuroniniai tinklai ir jų taikymas.)

    Rezervuota:

  • ✕ Dėvimosios elektronikos duomenų panaudojimas personalizuotiems sprendimams. (Duomenų rinkimas iš IMU (akselerometras, giroskopas) ir pan.). Žymėtų duomenų rinkimas. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Rekurentiniai neuroniniai tinklai ir jų taikymas.)

    Rezervuota: Karolis Užkuraitis

  • ✕ Skatinamojo mokymo modelių panaudojimas procesų automatizavimui. (Pažintis su skatinamojo mokymo(reinforcment learning) modeliais. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Skatinamasis mokymas ir jų taikymas.)

    Rezervuota: Emilijus Stankus

  • ✕ Daugelio tikslų uždaviniai giliajame mokyme. (Tema reikalaus, prisilytėjimo prie teorijos, todėl rinktis tik turint pasiryžimo. Pažintis su daugiatikslio mokymo nuostolių funkcijomis (Multi-task learning). Pusiau prižiūrimas mokymas (semi-supervized learning), multimodalūs duomenys. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Taikymai įvariems "deep-learning" algoritmams.)

    Rezervuota: Urtė Liutkevičiūtė

2016/2017 m.m. pavasario semestras

    Temos:
  • Diagnostikos ir analizės sistemos kūrimas dirbant su medicininiais vaizdais. Pažintis su kompiuterinės regos programomis. Medicininių vaizdų DICOM formatas. Pagrindiniai vaizdų kodavimo principai. Įvairių "deep-learning" algoritmų taikymas klasifikavimo ir regresijos uždaviniams. Medicininių vaizdų analizė. Diagnostinės sistemos kūrimas.

    Rezervuota: Vilius Kazlauskas

  • Apsimokančios sistemos ir gilus mokymas vaizdų analizėje. Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Karkasai skaičiavimams ant GPU. Uždavinio formulavimas ir duomenų paruošimas. Apsimokančių sistemų specifika. Įvairių "reinforcement/deep-learning" algoritmų taikymas.

    Rezervuota: Robertas Lukašonok, Tomas Černius

  • Veido ir žvilgsnio modeliavimas ir nustatymas naudojant paprastą web kamerą. Pažintis su karkasu ROS(Robot Operating System). Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Veido ir žvilgsnio simuliavimas Gazebo aplinkoje. Įvairių "deep-learning" algoritmų taikymas klasifikavimo ir regresijos uždaviniams. Veido ir žvilgsnio atpažinimo specifika. Modelio validacija realiomis sąlygomis.

    Rezervuota: Pranciškus Ambrazas, Deivydas Voroneckis

2015/2016 m.m. pavasario semestras

    Temos:
  • Diagnostikos ir analizės sistemos kūrimas dirbant su medicininiais vaizdais. Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Įvairių "machine-learning" algoritmų taikymas klasifikavimo ir regresijos uždaviniams. Medicininių vaizdų analizė. Diagnostinės sistemos kūrimas.

    Pasirinko: Aurimas Repečka

  • Apsimokančios sistemos žaidimuose. Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Požymių sekimo algoritmai. Tikimybiniai modeliai ir jų taikymas. Įvykių sekų išmokimas ir atkartojimas/prognozavimas.

    Pasirinko: Vilius Prakapas

  • Vaizdų analizės metodai vietos atpažinimo uždaviniuose. Pažintis su kompiuterinės regos programomis. Pagrindiniai vaizdų kodavimo principai. Įvairių "machine-learning" algoritmų taikymas klasifikavimo ir regresijos uždaviniams. Vietos atpažinimo specifika. Vaizdų posekių atpažinimas.

    Raimondas Bajarunas