Полное описание

Случайное мультимодальное глубокое обучение в задаче распознавания изображений / А. И. Паршин, М. Н. Аралов, В. Ф. Барабанов, Н. И. Гребенникова. - Текст : непосредственный // Воронежский государственный технический университет. Вестник Воронежского Государственного Технического Университета : журнал. - 2021. - Том 17, N 4. - С. 21-26. - Библиогр. в конце ст. - ISSN 1729-6501.
(Шифр в БД У3401/2021/17/4)

ГРНТИ	УДК
28.23	004.8

Рубрики:
Машинное обучение
Нейронные сети

Кл.слова (ненормированные): случайное мультимодальное глубокое обучение -- машинное обучение -- глубокое обучение -- искусственная нейронная сеть -- свёрточная нейронная сеть
Аннотация: Задача распознавания изображений - одна из самых сложных в машинном обучении, требующая от исследователя как глубоких знаний, так и больших временных и вычислительных ресурсов. В случае использования нелинейных и сложных данных применяются различные архитектуры глубоких нейронных сетей, но при этом сложным вопросом остается проблема выбора нейронной сети. Основными архитектурами, используемыми повсеместно, являются свёрточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), глубокие нейронные сети (DNN). На основе рекуррентных нейронных сетей (RNN) были разработаны сети с долгой краткосрочной памятью (LSTM) и сети с управляемыми реккурентными блоками (GRU). Каждая архитектура нейронной сети имеет свою структуру, свои настраиваемые и обучаемые параметры, обладает своими достоинствами и недостатками. Комбинируя различные виды нейронных сетей, можно существенно улучшить качество предсказания в различных задачах машинного обучения. Учитывая, что выбор оптимальной архитектуры сети и ее параметров является крайне трудной задачей, рассматривается один из методов построения архитектуры нейронных сетей на основе комбинации свёрточных, рекуррентных и глубоких нейронных сетей. Показано, что такие архитектуры превосходят классические алгоритмы машинного обучения
Доп. точки доступа:
Паршин, А. И.
Аралов, М. Н.
Барабанов, В.Ф.
Гребенникова, Н.И.


Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)

Заказать издание
Заказ фрагмента документа ₽