📄Работа №165397
Тема: СПЕЦИФИКА МАШИННОГО ОБУЧЕНИЯ НЕЙРОСЕТЕЙ ДЛЯ АНАЛИЗА АУДИОВИЗУАЛЬНОГО КОНТЕНТА (НА МАТЕРИАЛЕ АНАЛИЗА ФИЛЬМА: «ЖИЗНЬ ДРУГИХ» ФЛОРИАНА ХЕНКЕЛЯ ФОН ДОННЕРСМАРКА)
Тип работы
Бакалаврская работа
Предмет
искусство, культура, литература
Объем:
142 листов
Год:
2023
Просмотров:
74
4600
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат 2
Введение 5
1 Теоретические и методологические подходы в исследовании методов
машинного обучения / искусственного интеллекта 13
1.1 Потенциал инструментов искусственного интеллекта для анализа
произведений киноискусства 13
1.2 Методы и программы (способы) для анализа видео контента 20
1.3 Философско-искусствоведческий метод анализа видео контента 24
2 Роль современных методов искусственного интеллекта для анализа видео
контента 29
2.1 Философско-искусствоведческий анализ видео контента 29
2.2 Результаты анализа с помощью инструмента VIAN 47
2.3 Результаты анализа с помощью ChatGPT 54
2.4 Сравнительный анализ полученных результатов 69
Заключение 86
Список использованных источников 89
Приложение А 99
Приложение Б 121
Приложение В 130
Введение 5
1 Теоретические и методологические подходы в исследовании методов
машинного обучения / искусственного интеллекта 13
1.1 Потенциал инструментов искусственного интеллекта для анализа
произведений киноискусства 13
1.2 Методы и программы (способы) для анализа видео контента 20
1.3 Философско-искусствоведческий метод анализа видео контента 24
2 Роль современных методов искусственного интеллекта для анализа видео
контента 29
2.1 Философско-искусствоведческий анализ видео контента 29
2.2 Результаты анализа с помощью инструмента VIAN 47
2.3 Результаты анализа с помощью ChatGPT 54
2.4 Сравнительный анализ полученных результатов 69
Заключение 86
Список использованных источников 89
Приложение А 99
Приложение Б 121
Приложение В 130
📖 Введение
Актуальность темы исследования состоит в том, что искусственный интеллект в современном мире занимает важное положение. Инструменты, созданные с помощью искусственного интеллекта, помогают человеку решать определенные фундаментальные задачи в разных областях знаний. Также к искусственному интеллекту проявляется интерес и со стороны гуманитарных наук, но существенно ниже, так как до сих пор искусственный интеллект оставался прерогативой только технических наук.
Продукты такого аудиовизуального искусства как кинематограф, требуют всестороннего анализа для того, чтобы понимать тенденции развития кинематографа на ближайшее будущее. Так как по всему миру каждый год снимается большое количество фильмов, проанализировать все продукты киноискусства без помощника невозможно. Для этого необходимо создать, или модернизировать уже существующие инструменты для автоматизированного анализа видео контента, которые будут помощником человеку в анализе произведений киноискусства.
Также актуальность темы обусловлена тем, что автоматизированный анализ видео контента применяется очень ограниченно. В этой связи в науке уделено недостаточно внимания к этой теме. Более того, это только развивающаяся область, которая не имеет большой аналитической базы для качественного анализа.
Степень изученности темы исследования
Всю имеющуюся литературу по теме исследования можно разделить на несколько тематических блоков: первый блок составляют фундаментальные труды по искусственному интеллекту, машинному и глубокому обучению. В них дается дефиниция «искусственный интеллект», «машинное обучение», «глубокое обучение». Ко второй группе следует отнести литературу, относящуюся к цифровым гуманитарным наукам, то есть применению 5
искусственного интеллекта в гуманитарных сферах. Третью группу составляют исследования, в которых анализируется видео контент при помощи различных цифровых инструментов (методов)...
Продукты такого аудиовизуального искусства как кинематограф, требуют всестороннего анализа для того, чтобы понимать тенденции развития кинематографа на ближайшее будущее. Так как по всему миру каждый год снимается большое количество фильмов, проанализировать все продукты киноискусства без помощника невозможно. Для этого необходимо создать, или модернизировать уже существующие инструменты для автоматизированного анализа видео контента, которые будут помощником человеку в анализе произведений киноискусства.
Также актуальность темы обусловлена тем, что автоматизированный анализ видео контента применяется очень ограниченно. В этой связи в науке уделено недостаточно внимания к этой теме. Более того, это только развивающаяся область, которая не имеет большой аналитической базы для качественного анализа.
Степень изученности темы исследования
Всю имеющуюся литературу по теме исследования можно разделить на несколько тематических блоков: первый блок составляют фундаментальные труды по искусственному интеллекту, машинному и глубокому обучению. В них дается дефиниция «искусственный интеллект», «машинное обучение», «глубокое обучение». Ко второй группе следует отнести литературу, относящуюся к цифровым гуманитарным наукам, то есть применению 5
искусственного интеллекта в гуманитарных сферах. Третью группу составляют исследования, в которых анализируется видео контент при помощи различных цифровых инструментов (методов)...
✅ Заключение
Целью данного исследования являлось анализ возможностей, и специфика обучения искусственных нейронных сетей исследовать аудиовизуальный контент. В ходе исследования было решено ряд научных задач:
Во-первых, были сформулированы важные дефиниции, которые были необходимы для данного исследования. Это такие дефиниции как «произведение искусства», «художественный образ», «глубокое обучение», «машинное обучение», «искусственный интеллект», «обучение с подкреплением».
Во-вторых, были выделены нейронные сети, которые позволяют анализировать аудиовизуальный контент. К таким нейросетям относятся VIAN, VIDEANA, ELAN, Legne du Temps, ANVIL. В качестве основных нейронных сетей были выделены такие нейронные сети как ChatGPT и VIAN. Их выбор обусловлен, в первую очередь, доступностью для рядового пользователя. Был сделан вывод о том, что в научной сфере уделяется внимание автоматизированному анализу видео контента, так как их использование значительно ускоряет и упрощает анализ произведения киноискусства.
В-третьих, в ходе исследования был впервые в научной литературе проанализирован фильм Флориана Хенкеля фон Доннерсмарка «Жизнь других» с помощью метода философско-искусствоведческого анализа. Были проанализированы материальный, индексный и иконический статусы произведения киноискусства и сформулирована основная художественная идея кинопроизведения.
В-четвертых, в исследовании было дано подробное описание нейронной сети ChatGPT, ее возможностей, а также впервые в научной среде данная нейронная сеть была применена при анализе аудиовизуального контента. Более того, была предпринята попытка обучения данной нейронной сети и 86
достигнуты определенные результаты в этом направлении. Так, например, после обучения нейронная сеть научилась правильно и без ошибок распознавать материальные, индексные и иконические знаки произведения киноискусства. При этом был сделан вывод о том, что нейронная сеть использует общие фразы, которые часто относятся к характеристикам знака, но не к их значениям. Тем не менее, удалось выявить перспективы использования данной нейронной сети. В любом случае, ChatGPT является помощником человека, поэтому искусственному интеллекту можно поручить генерацию текста как такового, что сильно ускоряет процесс исследования кинопроизведения. В целом же, ChatGPT можно использовать как подсказчика для исследования на тот случай, если исследователь пропустил и не проанализировал какой-либо знак. В ходе анализа фильма «Жизнь других» с помощью ChatGPT был сделан вывод о том, что для того, чтобы качественно анализировать аудиовизуальный контент, исследователь должен владеть теоретической базой в сфере кинематографа и визуальных искусств...
Во-первых, были сформулированы важные дефиниции, которые были необходимы для данного исследования. Это такие дефиниции как «произведение искусства», «художественный образ», «глубокое обучение», «машинное обучение», «искусственный интеллект», «обучение с подкреплением».
Во-вторых, были выделены нейронные сети, которые позволяют анализировать аудиовизуальный контент. К таким нейросетям относятся VIAN, VIDEANA, ELAN, Legne du Temps, ANVIL. В качестве основных нейронных сетей были выделены такие нейронные сети как ChatGPT и VIAN. Их выбор обусловлен, в первую очередь, доступностью для рядового пользователя. Был сделан вывод о том, что в научной сфере уделяется внимание автоматизированному анализу видео контента, так как их использование значительно ускоряет и упрощает анализ произведения киноискусства.
В-третьих, в ходе исследования был впервые в научной литературе проанализирован фильм Флориана Хенкеля фон Доннерсмарка «Жизнь других» с помощью метода философско-искусствоведческого анализа. Были проанализированы материальный, индексный и иконический статусы произведения киноискусства и сформулирована основная художественная идея кинопроизведения.
В-четвертых, в исследовании было дано подробное описание нейронной сети ChatGPT, ее возможностей, а также впервые в научной среде данная нейронная сеть была применена при анализе аудиовизуального контента. Более того, была предпринята попытка обучения данной нейронной сети и 86
достигнуты определенные результаты в этом направлении. Так, например, после обучения нейронная сеть научилась правильно и без ошибок распознавать материальные, индексные и иконические знаки произведения киноискусства. При этом был сделан вывод о том, что нейронная сеть использует общие фразы, которые часто относятся к характеристикам знака, но не к их значениям. Тем не менее, удалось выявить перспективы использования данной нейронной сети. В любом случае, ChatGPT является помощником человека, поэтому искусственному интеллекту можно поручить генерацию текста как такового, что сильно ускоряет процесс исследования кинопроизведения. В целом же, ChatGPT можно использовать как подсказчика для исследования на тот случай, если исследователь пропустил и не проанализировал какой-либо знак. В ходе анализа фильма «Жизнь других» с помощью ChatGPT был сделан вывод о том, что для того, чтобы качественно анализировать аудиовизуальный контент, исследователь должен владеть теоретической базой в сфере кинематографа и визуальных искусств...
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.