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.authorВизильтер, Ю.В.-
dc.contributor.authorГорбацевич, В.С.-
dc.contributor.authorЖелтов, С.Ю.-
dc.date.accessioned2019-11-28 15:15:32-
dc.date.available2019-11-28 15:15:32-
dc.date.issued2019-10-
dc.identifierDspace\SGAU\20191117\80248ru
dc.identifier.citationВизильтер, 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.urihttps://dx.doi.org/10.18287/2412-6179-2019-43-5-886-900-
dc.identifier.urihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Strukturnofunkcionalnyi-analiz-i-sintez-glubokih-konvolucionnyh-neironnyh-setei-80248-
dc.description.abstractПредложен 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.sponsorshipИсследование выполнено за счёт гранта Российского научного фонда (проект № 16-11-00082).ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.relation.ispartofseries43;5-
dc.subjectглубокие нейронные сетиru
dc.subjectмашинное обучениеru
dc.subjectструктуры данныхru
dc.titleСтруктурно-функциональный анализ и синтез глубоких конволюционных нейронных сетейru
dc.title.alternativeStructure-functional analysis and synthesis of deep convolutional neural networksru
dc.typeArticleru
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.scsti28.23.37-
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
430521.pdfОсновная статья1.38 MBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.