• ВХОД

    •  

    Полное описание

    Чуб, Вадим Сергеевич. Рекуррентные нейронные сети. Обзор методов и приложений / Чуб Вадим Сергеевич ; научный руководитель - Маршаков Даниил Витальевич. - Текст (визуальный) : непосредственный // Технологии и техника: пути инновационного развития : международная научно-техническая конференция, 9 июня 2023 года : сборник научных статей / Воронежский государственный технический университет, Кафедра технологии машиностроения. - Воронеж : Воронежский гос. технический ун-т, 2023. - С. 545-559. - Библиогр. в конце ст. - ISBN 978-5-907744-39-4.

    ГРНТИ УДК
    28.23.37004.032.26
    28.23.15004.93

    Рубрики:
    Нейронные сети
    Распознавание образов

    Кл.слова (ненормированные): рекуррентные нейронные сети -- база знаний -- распознавание темы текста -- нейронные сети -- нейросеть
    Аннотация: Поскольку применение традиционных методов хранения и обработки становится невозможным при анализе больших данных ввиду их объема (ежедневно генерируются гигабайты данных) и необходимости в высокой скорости получения и обработки (при работе в режиме реального времени), то двумя основными направлениями искусственного интеллекта, которые рассматриваются в последние годы, являются машинное и глубокое обучение. Исследование применения технологий на основе искусственного интеллекта, относящихся к обработке больших данных, связано преимущественно с многослойными нейронными сетями. К ним относятся в том числе рекуррентные нейронные сети (англ. Recurrent Neural Network, RNN) и их разновидности, такие как GRU- и LSTM-сети. Приложения на основе этих сетей могут сильно отличаться от приложений баз данных, однако основная идея, лежащая в основе глубокого обучения, известна как изучение признаков (представлений), и она применима к широкому кругу приложений. При наличии эффективных представлений различных сущностей, например изображений, слов, строк или столбцов таблицы, можно вычислять сходство между ними, выполнять кластеризацию, обучать модели предиктивной аналитики и извлекать данные с различными модальностями. Некоторые модели RNN можно адаптировать для приложений баз данных, связанных в том числе с извлечением некоторой информации из этих баз. В рамках предложенного эксперимента проверяется эффективность применения RNN для решения задачи распознавания темы текста, извлекаемого из некоторой базы знаний.
    Доп. точки доступа:
    Маршаков, Даниил Витальевич\науч. рук.\
    Воронежский государственный технический университет. Кафедра технологии машиностроения

    Экз-ры полностью 09df2160280aeb1369b86c599fba9063
    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): -688161-626391)

    Шифр в сводном ЭК: 96b73522b5412373e00e023ba007989c




    Заказ фрагмента документа ₽