Полное описание

Богданов, П. Ю. Программные среды для изучения основ нейронных сетей / П. Ю. Богданов, Е. В. Краева, С. А. Веревкин, Е. Д. Пойманова, Т. М. Татарникова. - Текст : непосредственный // Прогр. продукты и системы : международный научно-практический журнал. - 2021. - Том 34, N 1. - С. 145-150. - Библиогр. в конце ст. - ISSN 0236-235X.

ГРНТИ	УДК
28.23.37	004.032.26

Рубрики:
Нейронные сети -- Изучение

Кл.слова (ненормированные): нейронные сети -- нейронные сети для начинающих -- программные среды -- библиотеки и языки программирования -- задача классификации -- задача прогнозирования
Аннотация: В статье рассмотрены способы и методы изучения и построения нейронных сетей. Показано, что изучение принципов функционирования нейронных сетей, их применение для решения тех или иных задач возможны только через практику. Проведен анализ различных программных сред, которые могут быть использованы на лабораторных и практических занятиях по изучению и применению нейронных сетей. Выделен современный облачный сервис Google Colaboratory, рекомендуемый для обучения основам нейронных сетей благодаря наличию в нем предустановки библиотеки Tensorflow и библиотеки для работы на языке Python, бесплатного доступа к графическим процессорам, возможности написания и выполнения программного кода в браузере, а также отсутствию необходимости специальной настройки сервиса. Рассматриваются примеры проектирования нейронных сетей в Colaboratory, в частности, решение задач распознавания и классификации изображений, прогнозирования. Показано, что для распознавания и классификации изображений может быть использована сверточная нейронная сеть, особенностью которой является получение карты признаков изображения с последующей сверткой. Приведены фрагменты программного кода для этапов подключения необходимых библиотек, загрузки датасетов, нормализации изображений, сборки нейронной сети и ее обучения. Решение задачи прогнозирования рассмотрено на примере нейронной сети прямого распространения с алгоритмом обратного распространения ошибок в процессе обучения, суть которой в получении на выходном слое ожидаемого значения при подаче на входной слой соответствующих данных. Обратное распространение ошибок заключается в настройке весовых коэффициентов, дающих наибольшую корреляцию между входным набором данных и соответствующим ему результатом.
Доп. точки доступа:
Краева, Е. В.
Веревкин, С.А.
Пойманова, Е. Д.
Татарникова, Т.М.


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -412509-570483)

Шифр в сводном ЭК: a808421ad1344933fbd91ff8a8a42fbe

Заказать
Заказ фрагмента документа ₽