Skod robot

Jonatan Emil Rytter, Lars Morten Bek, Dan Tomicic, Sarah Christine Klinge Nielsen, Jens Holm Jensen, Emil Møller Pedersen & Ali Hassan Raza

Studenteropgave: Basisprojekt

Abstrakt

Denne rapport præsenterer en mulighed vi er kommet frem til, for at anvende machine learning til
at løse problemer med skrald, specifikt cigaretskodder. Ud fra dette har vi besluttet os at
undersøge tre grundmetoder som bruges inden for machine learning; supervised learning,
unsupervised learning og reinforcement learning. I denne rapport vil vi derfor analysere og
diskutere teorierne af disse for at finde frem til hvilken metode, der bedst vil løse vores problem.
Denne metode vil blive implementeret i kunstig neuralt netværk metoden, som er den nyeste
metode inden for image recognition.
Efter at have foretaget et litteraturstudie, fandt vi frem til at løsningen på problemet
"identifikation af et cigaretskod", var supervised learning. Supervised learning det er en meget
effektiv og konkret metode, når det gælder om at arbejde med store mængder data. Dette kom vi
frem til ved at se på løsningen af problemet med tre forskellige læringssystemer inden for machine
learning, og derefter vælge den mest optimale metode i forhold til vores problemformulering.

UddannelserBasis - Naturvidenskabelig Bacheloruddannelse, (Bachelor uddannelse) Basis
SprogDansk
Udgivelsesdato19 dec. 2017
Antal sider39
VejledereSteffen Thorlund

Emneord

  • Datalogi
  • Affald
  • Machine learning
  • Image recognition
  • Artificial Neural Network
  • Miljø
  • Computer Science
  • Kunstigt neuralt netværk
  • Supervised learning
  • Unsupervised learning
  • Reinforcement learning
  • Cigaretskodder
  • Convolutional neural network