Optimizacija sažimajućeg očitavanja neuronskim mrežama

diplomski rad

• Naslov (engleski): Optimization of Compressive Sensing Using Neural Networks
• Autor: Leonarda Gajdić
• Mentor: Ana Sović Kržić (mentor)
• Član povjerenstva: Ana Sović Kržić (predsjednik povjerenstva)
• Član povjerenstva: Damir Seršić (član povjerenstva)
• Član povjerenstva: Davor Petrinović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

Sažimajuće očitavanje vrlo uspješno rekonstruira signal iz smanjenog broja mjerenja. Rekonstrukcija se najčešće provodi uz pretpostavku rijetkosti u nekoj domeni, izvođenjem optimizacijskog postupka.
Kombiniranjem sažimajućeg očitavanja i neuronskih mreža mogu se postići još bolji rezultati, koji se ne oslanjaju isključivo na svojstvo rijetkosti. Vrlo efikasne u tom smislu pokazuju se generativne suparničke mreže (eng. Generative Adversarial Networks, GAN).
Generativna mreža proizvodi bolje rješenje na način da poboljšava performanse i brzinu rekonstrukcije signala. Koristeći pretpostavke korištene kod metode sažimajućeg očitavanja razvija se novi način optimizacije GAN mreža koristeći gradijentne informacije diskriminatora.

Sažetak (engleski)

The compression sensing very successfully reconstructs the signal from the reduced number of measurements. Reconstruction is most often carried out under the assumption of rarity in some of the domain, by performing an optimization procedure.
Combining compression sensing and neural networks, one can achieve even better results, which do not rely solely on the rarity property. Generative Adversarial Networks (GAN) are proving to be very effective in this regard.
The generative network produces a better solution in a way that it improves the performance and speed of signal reconstruction. Using the assumptions used in the compression sensing method, a new way of optimizing GAN networks using discriminant gradient information is developed.

• Ključne riječi: sažimajuće očitavanje; rijetkost; optimizacijski postupci; minimizacija; neuronske mreže; generativne suparničke mreže; diskriminator; gradijentni spust; latentne reprezentacije
• Ključne riječi (engleski): compressive sensing; rarity; optimization procedure; minimization; neural networks; generative adversarial networks; discriminator; gradient descent; latent representations
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:652326
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 12:16:44