المؤلفون: Садикова, М.А., Авазова, Н.К

المصدر: Al-Farg'oniy avlodlari, 1(4), 246-250, (2023-12-10)

مصطلحات موضوعية: Искусственный интеллект, машинное обучение, самообучение, интеллектуальные системы, автономная навигация, переобучение, стабильные алгоритмы, базовые принципы, нейронные сети, вероятные метрики, набор данных MNIS, гиперпараметры, глубокое обучение, валидация модели

Relation: https://zenodo.org/communities/alfargoniyavlodlarieij; https://doi.org/10.5281/zenodo.10338385; https://doi.org/10.5281/zenodo.10338386; oai:zenodo.org:10338386

الاتاحة: https://doi.org/10.5281/zenodo.10338386

المؤلفون: U. A. Vishniakou, Xia Yiwei, В. А. Вишняков, Ся Ивэй

المصدر: Informatics; Том 20, № 3 (2023); 106-114 ; Информатика; Том 20, № 3 (2023); 106-114 ; 2617-6963 ; 1816-0301

مصطلحات موضوعية: гиперпараметры, machine learning, KNN algorithm, voice markers, Bayesian neural network, motion deceleration, hyperparameters, машинное обучение, алгоритм KNN, голосовые маркеры, байесовская нейронная сеть, замедление движения

وصف الملف: application/pdf

Relation: https://inf.grid.by/jour/article/view/1249/1064; Davie C. A. A review of Parkinson's disease. British Medical Bulletin, Feb. 2008, vol. 86, no. 1, pp. 109-127. https://doi.org/10.1093/bmb/ldn013; Braak H., Ghebremedhin E., Rub U., Bratzke H., Tredici K. D. Stages in the development of Parkinson's disease-related pathology. Cell and Tissue Research, October 2004, vol. 318, no. 1, pp. 121-134. https://doi.org/10.1007/s00441-004-0956-9; Upadhya S. S., Cheeran A. N. Discriminating Parkinson and healthy people using phonation and cepstral features of speech. Procedia Computer Science, January 2018, vol. 143, pp. 197-202. https://doi.org/10.1016/j.procs.2018.10.376; Voiceprint recognition of Parkinson Patients Based on Deep Learning [Electronic resource] / Z. Xu [et al.]. - Dec. 2018. - Р. 1-10. - Mode of access: https://arxiv.org/ftp/arxiv/papers/1812/1812.06613.pdf. - Date of access: 12.11.2022.; Transformers for 1D Signals in Parkinson's Disease Detection from Gait [Electronic resource] / D. M. D. Nguyen [et al.]. - Apr. 2022. - Р. 1-7. - Mode of access: https://arxiv.org/pdf/2204.00423.pdf. - Date of access: 12.11.2022.; Arshad H., Khan M. A., Sharif M., Yasmin M., Javed M. Y. Multi-level features fusion and selection for human gait recognition: an optimized framework of Bayesian model and binomial distribution. International Journal of Machine Learning and Cybernetics, December 2018, vol. 10, no. 12, pp. 3601-3618. https://doi.org/10.1007/s13042-019-00947-0; Maachi I. E., Bilodeau G.-A., Bouachir W. Deep 1D-Convnet for accurate Parkinson disease detection and severity prediction from gait. Expert Systems with Applications, May 2020, vol. 143, pp. 1-27. https://doi.org/10.1016/j.eswa.2019.113075; Moro-Velazquez L., Gomez-Garcia J. A., Arias-Londoño J. D., Dehak N., Godino-Llorente J. I. Advances in Parkinson's Disease detection and assessment using voice and speech: A review of the articulatory and phonatory aspects. Biomedical Signal Processing and Control, April 2021, vol. 66, pp. 1-13. https://doi.org/10.1016/j.bspc.2021.102418; Zhang M.-L., Zhou Z.-H. ML-KNN: A lazy learning approach to multi-label learning. Pattern Recognition, 2007, vol. 40, no. 7, pp. 1-21.; Sakar C. O., Serbes G., Gunduz A., Tunc H. C., Nizam H., ., Apaydin H. A comparative analysis of speech signal processing algorithms for Parkinson's disease classification and the use of the tunable Q-factor wavelet transform. Applied Soft Computing, January 2019, vol. 74, pp. 255-263. https://doi.org/10.1016/j.asoc.2018.10.022; Sakar B. E., Isenkul M. E., Sakar C. O., A. Sertbas, Gurgen F., Kursun O. Collection and analysis of a Parkinson speech dataset with multiple types of sound recordings. IEEE Journal of Biomedical and Health Informatics, 2013, vol. 17(4), pp. 828-834.; Fawcett T. An introduction to ROC analysis. Pattern Recognition Letters, 2006, vol. 27, no. 8, pp. 861-874.; Li B., Yao Z., Wang J., Wang S., Yang X., Sun Y. Improved deep learning technique to detect freezing of gait in Parkinson's disease based on wearable sensors. Electronics, 2020, no. 9(11), pp. 1-12.; https://inf.grid.by/jour/article/view/1249

الاتاحة: https://inf.grid.by/jour/article/view/1249
https://doi.org/10.37661/1816-0301-2023-20-3-106-114

المؤلفون: Рябов, В. М., Иванова, Юлия Александровна

مصطلحات موضوعية: детектирование, объекты, изображения, алгоритмы, гистограммы, градиенты, обнаружение, классификация, гиперпараметры

وصف الملف: application/pdf

Relation: Молодежь и современные информационные технологии : сборник трудов XVII Международной научно-практической конференции студентов, аспирантов и молодых учёных, 17-20 февраля 2020 г., г. Томск; Рябов В. М. Детектирование объектов на изображении на основе комбинации HOG+SVM / В. М. Рябов, Ю. А. Иванова // Молодежь и современные информационные технологии : сборник трудов XVII Международной научно-практической конференции студентов, аспирантов и молодых учёных, 17-20 февраля 2020 г., г. Томск. — Томск : Изд-во ТПУ, 2020. — [С. 181-182].; http://earchive.tpu.ru/handle/11683/62216

الاتاحة: http://earchive.tpu.ru/handle/11683/62216

المؤلفون: Раднаев, Ч. Б.

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: сверточные нейронные сети, распознавание образов, оптимизация параметров, гиперпараметры, алгоритмы обучения, обучение, адекватные модели, архитектура

Relation: Молодежь и современные информационные технологии : сборник трудов XV Международной научно-практической конференции студентов, аспирантов и молодых учёных, 04-07 декабря 2017 г., г. Томск. — Томск, 2018.; Раднаев Ч. Б. Оптимизация гиперпараметров сверточной нейронной сети / Ч. Б. Раднаев; науч. рук. О. М. Гергет, науч. конс. Д. В. Девятых // Молодежь и современные информационные технологии : сборник трудов XV Международной научно-практической конференции студентов, аспирантов и молодых учёных, 04-07 декабря 2017 г., г. Томск. — Томск : Изд-во ТПУ, 2018. — [С. 81-82].; http://earchive.tpu.ru/handle/11683/46536

الاتاحة: http://earchive.tpu.ru/handle/11683/46536

المؤلفون: Semendarov, Andrej Vitalevich

المصدر: Scientific look into the future; No. 14-01 (2019); 23-33 ; Научный взгляд в будущее; № 14-01 (2019); 23-33 ; Науковий погляд у майбутнє; № 14-01 (2019); 23-33 ; 2415-7538 ; 2415-766X

مصطلحات موضوعية: сигнал электромиографии (ЭМГ), алгоритмы классификации, метод опорных векторов (SVM), предобработка и нормализация данных, гиперпараметры SVM, ядра SVM, electromyography signal (EMG), classification algorithms, support-vector machine (SVM), preprocessing and normalization data, SVM hyper-parameters, SVM kernel

وصف الملف: application/pdf

Relation: https://www.scilook.eu/index.php/slif/article/view/slif14-01-010/pdf14-01-010; https://www.scilook.eu/index.php/slif/article/view/slif14-01-010/rinc14-01-010; https://www.scilook.eu/index.php/slif/article/view/slif14-01-010/copernicus14-01-010; https://www.scilook.eu/index.php/slif/article/view/slif14-01-010

الاتاحة: https://www.scilook.eu/index.php/slif/article/view/slif14-01-010
https://doi.org/10.30888/2415-7538.2019-14-01-010

المؤلفون: S. V. Sholtanyuk, С. В. Шолтанюк

المصدر: Digital Transformation; № 2 (2019); 60-68 ; Цифровая трансформация; № 2 (2019); 60-68 ; 2524-2822 ; 2522-9613 ; 10.38086/2522-9613-2019-2

مصطلحات موضوعية: метод наименьших квадратов, training of neural network, hyperparameters, forecasting accuracy and stability, MAE, linear regression, autoregression, ordinary least squares, обучение нейронной сети, гиперпараметры, точность и устойчивость прогнозирования, линейная регрессия, авторегрессия

وصف الملف: application/pdf

Relation: https://dt.bsuir.by/jour/article/view/174/101; Чучуева, И. А. Модель прогнозирования временных рядов по выборке максимального подобия : дис. … канд. тех. наук : 05.13.18 / И. А. Чучуева; Московский государственный технический университет им. Н. Э. Баумана. – М., 2012. – 155 л.; Hornik, K. Multilayer feedforward networks are universal approximators / K. Hornik, M. Stinchcombe, H. White // Neural Networks – 1989. – Vol. 2, iss. 5. – Pp. 359–366.; Bengio, Y. Scaling learning algorithms towards AI / Y. Bengio, Y. LeCun // Large-Scale Kernel Machines / L. Bottou [et al.] – Cambridge, MA : MIT Press, 2007. – Pp. 323–362.; R Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/. – Date of access: 19.01.2019.; JJ Allaire and Francois Chollet (2018). keras: R Interface to 'Keras'. R package version 2.2.0. https://CRAN.R-project.org/package=keras. – Date of access: 19.01.2019.; Duchi, J. Adaptive Subgradient Methods for Online Learning and Stochastic Optimization / J. Duchi, E. Hazan, Y. Singer // Journal of Machine Learning Research – 2011. – Vol. 12 – P. 2121–2159.; Ruder, S. An overview of gradient descent optimisation algorithms [Electronic resource] / S. Ruder // arXiv.org e-Print archive – Mode of access: https://arxiv.org/abs/1609.04747. – Date of access: 19.01.2019. – (Preprint / arXiv:1609.04747v2).; https://dt.bsuir.by/jour/article/view/174

الاتاحة: https://dt.bsuir.by/jour/article/view/174
https://doi.org/10.38086/2522-9613-2019-2-60-68

مصطلحات موضوعية: анализ керна, neural network, core analysis, lithotvpe description, hvperparameters, обучение с учителем, классификация литотипов, нейронные сети, supervised learning, гиперпараметры

URL الوصول: https://explore.openaire.eu/search/publication?articleId=doi_________::e49c29f98d48ff02ffde6444431c4120

المؤلفون: Раднаев, Чингис Батоцыренович

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: нейронные сети, сверточные сети, гиперпараметры, машинное обучение, многослойный перспетрон, neural networks, hyperparameters, convolutional networks, machine learning, multilayered perceptron, 01.03.02, 004.932.75'1-028.24:004.032.26

وصف الملف: application/pdf

Relation: Раднаев Ч. Б. Сравнение эффективности архитектур нейронных сетей для решения задачи распознавания изображений : бакалаврская работа / Ч. Б. Раднаев; Национальный исследовательский Томский политехнический университет (ТПУ), Институт кибернетики (ИК), Кафедра программной инженерии (ПИ); науч. рук. О. М. Гергет. — Томск, 2017.; http://earchive.tpu.ru/handle/11683/41028

الاتاحة: http://earchive.tpu.ru/handle/11683/41028

المؤلفون: Гнатушенко, Вікторія Володимирівна, Дорош, Наталія Леонідівна, Фененко, Тетяна Михайлівна

مصطلحات موضوعية: розпізнавання зображень, нейронна мережа, якість розпізнавання, гіперпараметри, КІТС, Fashion MNIST, FNN, CNN, PYTHON, KERAS, TENSORFLOW, image recognition, neural network, recognition quality, hyperparameters, распознавание изображений, нейронная сеть, качество распознавания, гиперпараметры

Relation: Гнатушенко В. В., Дорош Н. Л., Фененко Т. М. Розпізнавання зображень набору Fashion MNIST методами глибокого навчання. Прикладні питання математичного моделювання. 2021. Т. 4. № 1. С. 78–85. DOI:10.32782/KNTU2618-0340/2021.4.1.8.; https://ojs.kntu.net.ua/index.php/aqmm/article/view/104; http://eadnurt.diit.edu.ua/jspui/handle/123456789/15318

الاتاحة: https://doi.org/10.32782/KNTU2618-0340/2021.4.1.8
https://ojs.kntu.net.ua/index.php/aqmm/article/view/104
http://eadnurt.diit.edu.ua/jspui/handle/123456789/15318

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: цифровая обработка, Машинное обучение, обработка данных, математический анализ, визуализация, математическая статистика, прикладное программирование, медицинские инструменты, алгоритмы, сегментация, моделирование, диссертации, 05.13.01, Распознавание образов — Информационные технологии, компьютерное зрение, медицинские изображения, анатомические структуры, нейронные сети, архитектура, методы преобразования, гиперпараметры

وصف الملف: application/pdf

URL الوصول: https://explore.openaire.eu/search/publication?articleId=od______3626::ce4fe85647bacf9fea8e83092fc07c6c
http://earchive.tpu.ru/handle/11683/61940

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: цифровая обработка, Машинное обучение, обработка данных, математический анализ, визуализация, математическая статистика, прикладное программирование, медицинские инструменты, алгоритмы, сегментация, моделирование, 05.13.01, Распознавание образов — Информационные технологии, компьютерное зрение, авторефераты диссертаций, медицинские изображения, анатомические структуры, нейронные сети, архитектура, методы преобразования, гиперпараметры

وصف الملف: application/pdf

URL الوصول: https://explore.openaire.eu/search/publication?articleId=od______3626::5cc10029ee90cff6fbb6d20e4a5085c4
http://earchive.tpu.ru/handle/11683/61925

مصطلحات موضوعية: объекты, изображения, классификация, градиенты, обнаружение, алгоритмы, детектирование, гистограммы, гиперпараметры

وصف الملف: application/pdf

URL الوصول: https://explore.openaire.eu/search/publication?articleId=od______3626::2f1396ef5c2888c1bf5d20cfca4c6f6e
http://earchive.tpu.ru/handle/11683/62216

المؤلفون: Данилов, Вячеслав Владимирович

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: Машинное обучение, Распознавание образов — Информационные технологии, диссертации, методы преобразования, алгоритмы, сегментация, медицинские изображения, обработка данных, архитектура, нейронные сети, гиперпараметры, визуализация, медицинские инструменты, анатомические структуры, цифровая обработка, математический анализ, моделирование, компьютерное зрение, математическая статистика, прикладное программирование, 05.13.01

وصف الملف: application/pdf

Relation: Данилов В. В. Методы и алгоритмы сегментации медицинских изображений на основе машинного обучения : диссертация на соискание учёной степени кандидата технических наук : спец. 05.13.01 / В. В. Данилов; Национальный исследовательский Томский политехнический университет; науч. рук. О. М. Гергет. — Томск, 2020.; http://earchive.tpu.ru/handle/11683/61940

الاتاحة: http://earchive.tpu.ru/handle/11683/61940

المؤلفون: Данилов, Вячеслав Владимирович

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: Машинное обучение, Распознавание образов — Информационные технологии, авторефераты диссертаций, методы преобразования, алгоритмы, сегментация, медицинские изображения, обработка данных, архитектура, нейронные сети, гиперпараметры, визуализация, медицинские инструменты, анатомические структуры, цифровая обработка, математический анализ, моделирование, компьютерное зрение, математическая статистика, прикладное программирование, 05.13.01

وصف الملف: application/pdf

Relation: Данилов В. В. Методы и алгоритмы сегментации медицинских изображений на основе машинного обучения : автореферат диссертации на соискание учёной степени кандидата технических наук : спец. 05.13.01 / В. В. Данилов; Национальный исследовательский Томский политехнический университет; науч. рук. О. М. Гергет. — Томск, 2020.; http://earchive.tpu.ru/handle/11683/61925

الاتاحة: http://earchive.tpu.ru/handle/11683/61925

المؤلفون: Шолтанюк, С. В.

مصطلحات موضوعية: цифровая трансформация, нейронные сети, гиперпараметры, линейная регрессия, авторегрессия, временные ряды

جغرافية الموضوع: Минск

وصف الملف: application/pdf

Relation: Шолтанюк, С. В. Сравнительный анализ нейросетевой и регрессионных моделей прогнозирования временных рядов = Comparative Analysis of Neural Networking and Regression Models for Time Series Forecasting / Шолтанюк С. В. // Цифровая трансформация. – 2019. – № 2(7). – С. 60–68. – DOI : https://doi.org/10.38086/2522-9613-2019-2-60-68.; https://libeldoc.bsuir.by/handle/123456789/48823

الاتاحة: https://libeldoc.bsuir.by/handle/123456789/48823

المساهمون: Гергет, Ольга Михайловна

مصطلحات موضوعية: адекватные модели, распознавание образов, обучение, алгоритмы обучения, оптимизация параметров, сверточные нейронные сети, архитектура, гиперпараметры

URL الوصول: https://explore.openaire.eu/search/publication?articleId=od______3626::7b87a49bda1b82fc3a68a86bea4802e6
http://earchive.tpu.ru/handle/11683/46536