Отрывок: Упорядоченность входов: результат свёртки зависит от количества и порядка запи- си/обработки входных отсчётов, поскольку каждому отсчёту (признаку) приписывается свой конкретный вес (значимость/корреляция с выходом). Дифференцируемость: операция свёртки долж- на позволять вычислять производные выходов как по параметрам, так и по входам (признакам) для обучения методом back propagation. Линейность: желательно, чтобы операция свёртк...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Визильтер, Ю.В. | - |
dc.contributor.author | Горбацевич, В.С. | - |
dc.contributor.author | Желтов, С.Ю. | - |
dc.date.accessioned | 2019-11-28 15:15:32 | - |
dc.date.available | 2019-11-28 15:15:32 | - |
dc.date.issued | 2019-10 | - |
dc.identifier | Dspace\SGAU\20191117\80248 | ru |
dc.identifier.citation | Визильтер, Ю.В. Структурно-функциональный анализ и синтез глубоких конволюционных нейронных сетей / Ю.В. Визильтер, В.С. Горбацевич, С.Ю. Желтов // Компьютерная оптика. – 2019. – Т. 43, № 5. – С. 886-900. – DOI: 10.18287/2412-6179-2019-43-5-886-900. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2019-43-5-886-900 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Strukturnofunkcionalnyi-analiz-i-sintez-glubokih-konvolucionnyh-neironnyh-setei-80248 | - |
dc.description.abstract | Предложен общий поход к структурно-функциональному анализу и синтезу глубоких конволюционных нейронных сетей, который позволяет регулярным образом определить: из каких типовых структурно-функциональных элементов могут строиться конволюционные нейронные сети; каковы необходимые математические свойства структурно-функциональных элементов; какие комбинации структурно-функциональных элементов являются допустимыми; каковы возможные пути построения и обучения глубоких сетей для анализа и распознавания нерегулярных, неоднородных или сложно структурированных данных (таких как нерегулярные массивы, данные различного размера и различной природы, деревья, скелеты, графовые структуры, 2D-, 3D- и ND-облака точек, триангулированные поверхности, аналитические описания данных и т.п.). Определён необходимый набор структурно-функциональных элементов. Предложены методики решения задач структурно-функционального анализа и синтеза конволюционных нейронных сетей на основе структурно-функциональных элементов и правил их комбинации. | ru |
dc.description.sponsorship | Исследование выполнено за счёт гранта Российского научного фонда (проект № 16-11-00082). | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.relation.ispartofseries | 43;5 | - |
dc.subject | глубокие нейронные сети | ru |
dc.subject | машинное обучение | ru |
dc.subject | структуры данных | ru |
dc.title | Структурно-функциональный анализ и синтез глубоких конволюционных нейронных сетей | ru |
dc.title.alternative | Structure-functional analysis and synthesis of deep convolutional neural networks | ru |
dc.type | Article | ru |
dc.textpart | Упорядоченность входов: результат свёртки зависит от количества и порядка запи- си/обработки входных отсчётов, поскольку каждому отсчёту (признаку) приписывается свой конкретный вес (значимость/корреляция с выходом). Дифференцируемость: операция свёртки долж- на позволять вычислять производные выходов как по параметрам, так и по входам (признакам) для обучения методом back propagation. Линейность: желательно, чтобы операция свёртк... | - |
dc.classindex.scsti | 28.23.37 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
430521.pdf | Основная статья | 1.38 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.