[Традиционный тред] Какую выбрать тему курсовой?

> Думаю занятся распознаванием образов на изображениях

Оставь на диплом.

эх вы, компутерщики, темы из пальца высасываете )). Научрук-то тебе на что?

>в КубГу а ФПМ

Наш человек! =)

>Думаю занятся распознаванием образов на изображениях, но не знаю какую именно задачу надо решать. Вдруг я не справлюсь?

Сделай распознование образов с вебкамер. Или там жестов рук.

> Думаю занятся распознаванием образов на изображениях, но не знаю какую именно задачу надо решать.

Напиши прогназатор цен на доллар.

Я обычно встречал две ситуации:
1. Человек сам знает, чего хочет.
2. Научник даёт ему то, что он осилит.
Как получилось, что у вас не сложилось ни с тем, ни с другим?

>Или там жестов рук.

Не удивлюсь. если ТС задолбают посетители с выставленным средним пальцем.

Сейчас каникулы, третий курс еще не наступил. Сейчас я всего лишь просто планирую, и смотрю чего бы почитать на тему будещей курсовой.

Думаю занятся распознаванием образов на изображениях, но не знаю какую именно задачу надо решать.

Предлагаю написать программу, решающую, красивая ли девушка, по фотографии. Теоретически - накатать обычный многослойный перцептрон. На практике - довольно сложная задача, и для практической реализации нужно иметь очень мощный компьютер, а желательно - доступ к кластеру (чтобы можно было экспериментировать со структурой сети - при ее изменении сеть придется обучать заново, а это долго) и кучу знакомых со вкусом, аналогичным вашему, чтобы обучать сеть.

PS. О! Вы рубите в нейронных сетях? В таком случае где толково, для начинающего и не понимающего ничего в матане, описан алгоритм обратного распространения ошибки? Я осилил только обучение сети генетическим алгоритмом, но такое обучение медленное (и особо его замедляет то, что работу сети нужно проверять и на предыдущих примерах, ибо иначе генетический алгоритм может сломать распознавание предыдущих образов).

А у меня на 3-ем курсе ещё не было курсовой :) Зато я тогда работал над своим алгоритмом, который после представил на универской конференции. Теперь есть публикация :)

> Теперь есть публикация :)

Сделай лучше что-нибудь реально полезное.

> но такое обучение медленное (и особо его замедляет то, что работу сети нужно проверять и на предыдущих примерах, ибо иначе генетический алгоритм может сломать распознавание предыдущих образов).

Как будто при Back- или Resilient-propogation не может. Всегда есть шанс, что распознавание старых результатов станет чуть хуже. Другое дело, что у Resilient шаг изменения весов сам подстраивается, что весьма удобно.

Проблема с фотографиями и нейросетью в том, что очень много входов. Если даже брать лишь оттенки серого, это width*height элементов. Да и слоёв придётся делать много, ибо «красота» - понятие весьма сложное и неоднозначное. Проще уж тогда подавать на вход параметры лица/тела. Тогда вполне реально.

> Сделай лучше что-нибудь реально полезное.

Для реально полезного нужны деньги. Нужна лаборатория, нужно оборудование. На стипендию я пока купить всё необходимое не могу, хотя через месяц собираюсь потратить на эти цели $1000.

портани пару драйверов на миникс.

Проблема с фотографиями и нейросетью в том, что очень много входов. Если даже брать лишь оттенки серого, это width*height элементов. Да и слоёв придётся делать много, ибо «красота» - понятие весьма сложное и неоднозначное. Проще уж тогда подавать на вход параметры лица/тела. Тогда вполне реально.

Потому я и говорю, что нужен мощный компьютер, а желательно - кластер. Оно долго будет считаться. Да и не сразу вы придете к той структуре сети, которая будет оптимальна для этой задачи, а каждое изменение топологии сети автоматически убивает результаты обучения предыдущей сети.

Кстати, насчет фотографий и нейросетей - есть программы, распознающие лица. Там AFAIK тоже нейросети.

Как будто при Back- или Resilient-propogation не может. Всегда есть шанс, что распознавание старых результатов станет чуть хуже. Другое дело, что у Resilient шаг изменения весов сам подстраивается, что весьма удобно.

Генетический алгоритм вносит рандомные изменения, скрещивает разные варианты и убивает самый далекий от правильного решения вариант, пока не найдет правильное решение. Таким образом, если не перепроверять на предыдущих примерах, мы с большой вероятностью придем к сети, неспособной распознавать предыдущие образы. С другими алгоритмами не так все плохо AFAIK.

> отому я и говорю, что нужен мощный компьютер, а желательно - кластер.

Я жду, пока:

1) в пакетах нейросетей будет поддержка OpenCL

2) хардовые нейросети пойдут в продакшн.

Тогда никаких супермощных компьютеров не понадобится.

Кстати, я как раз с изображениями в нейросетях работаю. Хотя у меня несколько более простые цели, нежели распознавание.

1) в пакетах нейросетей будет поддержка OpenCL

Что принципиально мешает написать свою нейросеть с блэкджеком и шлюхами с OpenCL или CUDA? Кстати, спасибо за идею. Я уже думал, что 96 ядер для CUDA у меня вечно будут проставивать.

2) хардовые нейросети пойдут в продакшн.

Если и пойдут, то ниша у них будет очень узкая - нужны они немногим. Как следствие, решений для простого студента человека вариантов не будет.

> Что принципиально мешает написать свою нейросеть

У меня и без того достаточно велосипедов нужно допиливать.

Если и пойдут, то ниша у них будет очень узкая - нужны они немногим.

Когда-то видеокарты тоже были никому не нужны.

> У меня и без того достаточно велосипедов нужно допиливать.

А тем временем, в России тысячи незасеянных полей ...

Ваш бы интузиазмъ - да в мирное русло ...

> А тем временем, в России тысячи незасеянных полей ... Ваш бы интузиазмъ - да в мирное русло ...

Я думаю, я могу сделать больше в науке, чем в поле.

Задачи нечёткой кластеризации решаются сетями Кохоненна.

Мне не нужна кластеризация, я не занимаюсь распознаванием.

Помоги найти Хигса: закодируй быстрый алгоритм восстановления треков и поиска общей вершины, а то перекрытие событий на LHC сущее наказание. Исследуй возможные варианты, докажи что твой выбор наиболее эффективен.

Примеры события: http://feww.files.wordpress.com/2008/09/cms_higgs-event.jpg

Вообще я хотел занятся контурным анализом, но там оказалось давольно много теории, которую мы не особо затрагивали на матане и дискретке (вейвлет преобразования например).

Научрука спрашивай, а не ЛОР. Лучше не выпендриваться с темой курсовой, а лопать, что дают - у нас на 2-ом курсе один чел поменялся с друганом темами курсача, так препод их ещё почти два месяца гонял с пересдачами, потом только успевали бегать за ним.

> Вообще я хотел занятся контурным анализом,

Выбирай самую простую тему.
Если мозги и прилежание есть - пойдешь к успеху. Иначе - все эти выборы - бессмысленны.

>ФПМ

Прочитал самизнаетекак.