Pashtetuum commited on
Commit
0c0d14d
1 Parent(s): 5b3d7f9

Update О-проекте.html

Browse files
Files changed (1) hide show
  1. О-проекте.html +2 -2
О-проекте.html CHANGED
@@ -173,7 +173,7 @@ document.getElementById("scrollBtn").onclick = function() {
173
  </div>
174
  </div>
175
  </section>
176
- <section class="u-clearfix u-grey-5 u-section-3" id="sec-130c">
177
  <div class="u-clearfix u-sheet u-sheet-1">
178
  <h3 class="u-text u-text-1">Аналитика исходной базы данных</h3>
179
  <p class="u-text u-text-2">В результате анализа данных мы выделили&nbsp;шесть основных классов дефектов: трещины, вкрапления, пятна, рябь, замятие, царапины.&nbsp;Эти классы были выбраны не случайно: они представляют собой наиболее часто встречающиеся и значимые типы дефектов, которые могут существенно повлиять на качество и безопасность металлопроката. В итоге у нас получилось собрать 1944 изображений.<br>Следующий шаг&nbsp;— разделение выборки на обучающую, валидационную и тестовую. Для тренировки нейронной сети с созданием модели вручную и с помощью функции Autokeras были взяты разные соотношения выборок, это обусловлено тем, что валидационная и тестовая выборки должны иметь больший размер при автоматизированном создании модели.
@@ -292,7 +292,7 @@ document.getElementById("scrollBtn").onclick = function() {
292
  </table>
293
  </div>
294
  </div>
295
- </section>
296
  <section class="u-clearfix u-section-4" id="sec-7759">
297
  <div class="u-clearfix u-sheet u-sheet-1">
298
  <h3 class="u-text u-text-1">Выводы</h3>
 
173
  </div>
174
  </div>
175
  </section>
176
+
177
  <div class="u-clearfix u-sheet u-sheet-1">
178
  <h3 class="u-text u-text-1">Аналитика исходной базы данных</h3>
179
  <p class="u-text u-text-2">В результате анализа данных мы выделили&nbsp;шесть основных классов дефектов: трещины, вкрапления, пятна, рябь, замятие, царапины.&nbsp;Эти классы были выбраны не случайно: они представляют собой наиболее часто встречающиеся и значимые типы дефектов, которые могут существенно повлиять на качество и безопасность металлопроката. В итоге у нас получилось собрать 1944 изображений.<br>Следующий шаг&nbsp;— разделение выборки на обучающую, валидационную и тестовую. Для тренировки нейронной сети с созданием модели вручную и с помощью функции Autokeras были взяты разные соотношения выборок, это обусловлено тем, что валидационная и тестовая выборки должны иметь больший размер при автоматизированном создании модели.
 
292
  </table>
293
  </div>
294
  </div>
295
+
296
  <section class="u-clearfix u-section-4" id="sec-7759">
297
  <div class="u-clearfix u-sheet u-sheet-1">
298
  <h3 class="u-text u-text-1">Выводы</h3>