Przetwarzanie może potrwać kilka sekund...

Rozprawa doktorska

Tytuł

Automatic selection of deep neural network parameters in mobile robotics

Autorzy

Promotor

Promotor pomocniczy

[ 1 ] Instytut Automatyki, Robotyki i Inżynierii Informatycznej, Wydział Elektryczny, Politechnika Poznańska | [ P ] pracownik

Recenzenci

Wariant tytułu

PL Automatyczny dobór parametrów głębokich sieci neuronowych w aplikacjach do robotów mobilnych

Język

angielski

Słowa kluczowe
EN
  • Hyperparameter optimization
  • object detection
  • deep neural networks
  • mobile robotics
  • SLAM
PL
  • Automatyczny dobór parametrów
  • wykrywanie obiektów
  • głębokie sieci neuronowe
  • robotyka mobilna
  • SLAM
Streszczenie

EN The main problem in the dissertation is addressing the HPO (Hyperparameters Optimization) for automatic selection of the deep neural networks' parameters in the domain of mobile robotics. The use of different metrics and how to evaluate the results of neural networks applied in a mobile robot equipped with a camera and a LIDAR were investigated. The goal was to optimize the training process in different scenarios, assuming a small amount of data and a short time of the deployment in the field. The research fulfills the gap in recent Deep Neural Network study by incorporating HPO into training. Thus the effort needed for the deployment within the context of the practical applications is decreased. The proposed methodology efficiently reduces the computational resources required in the situation when the expert knowledge concerning the initial guess of hyperparameters is limited.

PL Głównym aspektem badawczym podjętym w rozprawie doktorskiej jest optymalizacja hiper-parametrów w celu zautomatyzowania doboru wartości parametrów głębokich sieci neuronowych w robotyce mobilnej. Automatyzacja doboru wartości parametrów usprawnia proces uczenia oraz obniża zapotrzebowanie na moc obliczeniową w szczególności w przypadku gdy dostęp do wiedzy eksperckiej jest ograniczony. W pracy zbadano różne metryki do oceny działania głębokich sieci neuronowych w zastosowaniu do robota mobilnego wyposażonego m. in. w kamerę oraz laserowy system pomiarowy. Ze względu na specyfikę praktycznego zastosowania skoncentrowano się na optymalizacji procesu uczenia uwzględniając małą liczność danych w zbiorze trenującym. Rezultatem prac badawczych jest uzupełnienie dziedziny głębokich sieci neuronowych o metodę HPO w kontekście automatyzacji uczenia robota mobilnego, dzięki temu proces wdrażania modeli został usprawniony.

Liczba stron

104

Dziedzina wg OECD

elektrotechnika, elektronika, inżynieria informatyczna

Dyscyplina wg KBN

automatyka i robotyka

Sygnatura rozprawy w wersji drukowanej

DrOIN 1988

Katalog on-line

to2020500403

Pełny tekst rozprawy doktorskiej

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Pierwsza recenzja

Barbara Siemiątkowska

Miejsce

Warszawa, Polska

Data

02.08.2019

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Druga recenzja

Maciej Trojnacki

Miejsce

Warszawa, Polska

Data

02.09.2019

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Status rozprawy

rozprawa doktorska

Miejsce obrony

Poznań, Polska

Data obrony

15.10.2019

Jednostka nadająca tytuł

Rada Dyscypliny Automatyka, Elektronika i Elektrotechnika Politechniki Poznańskiej

Uzyskany tytuł

doktor nauk inżynieryjno-technicznych w dyscyplinie: automatyka, elektronika i elektrotechnika