المؤلفون: Смородинов, А.Д., Гавриленко, Т.В., Галкин, В.А.

المصدر: Vestnik KRAUNC: Fiziko-Matematičeskie Nauki, Vol 2023, Iss 2, Pp 69-86 (2023)

مصطلحات موضوعية: искусственные нейронные сети, генетический алгоритм, теорема колмогорова-арнольда, обучение нейронной сети, artificial neural networks, genetic algorithm, kolmogorov-arnold theorem, neural network training, Science

وصف الملف: electronic resource

Relation: https://krasec.ru/ru/smorodinov432-023/; https://doaj.org/toc/2079-6641; https://doaj.org/toc/2079-665X

URL الوصول: https://doaj.org/article/7ba5e39ad95c4a078f3711330bb77838

المؤلفون: Elena Valerievna Lubentsova

المصدر: Вестник Северо-Кавказского федерального университета, Vol 0, Iss 5, Pp 21-28 (2022)

مصطلحات موضوعية: нейро-нечеткая система, стабилизация температуры, оптимальная траекто-рия, база правил, обучение нейронной сети, моделирование, neuro-fuzzy network, temperature stabilization, optimal trajectory, rule base, neural network training, simulation, Economics as a science, HB71-74

وصف الملف: electronic resource

Relation: https://vestnikskfu.elpub.ru/jour/article/view/1688; https://doaj.org/toc/2307-907X

URL الوصول: https://doaj.org/article/b803c1ffe7bb44e8919bea2e650e0b4b

المؤلفون: Черных, В. С., Жихарев, А. Г., Федосеев, А. Д., Мартон, Н. А.

مصطلحات موضوعية: техника, радиоэлектроника, вычислительная техника, нейронные сети, обучение нейронной сети, полносвязная нейронная сеть, генетические алгоритмы, методы оптимизации, алгоритм обратного распространения ошибки, градиентный спуск

Relation: Сравнение эффективности различных методов обучения нейронных сетей / В.С. Черных [и др.]; Белгородский государственный технологический университет им. В.Г. Шухова // Научный результат. Сер. Информационные технологии. - 2023. - Т.8, №1.-С. 83-93. - Doi:10.18413/2518-1092-2022-8-1-0-8. - Библиогр.: с. 92-93.; http://dspace.bsu.edu.ru/handle/123456789/55893

الاتاحة: http://dspace.bsu.edu.ru/handle/123456789/55893

المؤلفون: Синицын, И. С., Сулицкий, М. В., Парыгин, Д. С., Джагаев, В. А., Серякова, В. Н.

المصدر: System Analysis in Science and Education = Sistemnyj analiz v nauke i obrazovanii; No. 2 (2022): № 2 (2022); 17-22 ; Системный анализ в науке и образовании; № 2 (2022): № 2 (2022); 17-22 ; 2071-9612

مصطلحات موضوعية: сверточная нейронная сеть, обучение нейронной сети, датасет, ДТП, YOLO, Mask-RCNN, дорожная обстановка, телеграм-бот, convolutional neural network, neural network training, Dataset, traffic accidents, traffic conditions, telegram bot

وصف الملف: application/pdf

Relation: https://sanse.ru/index.php/sanse/article/view/531/484; https://sanse.ru/index.php/sanse/article/view/531

الاتاحة: https://sanse.ru/index.php/sanse/article/view/531

المؤلفون: M. A. Mirzaev, М. А. Мирзаев

المصدر: Agricultural Machinery and Technologies; Том 16, № 3 (2022); 74-80 ; Сельскохозяйственные машины и технологии; Том 16, № 3 (2022); 74-80 ; 2618-6748 ; 2073-7599

مصطلحات موضوعية: распознавание растений, neural network training, Mask R-CNN, Deeplabv3 plus, precision farming, plant recognition, обучение нейронной сети, точное земледелие

وصف الملف: application/pdf

Relation: https://www.vimsmit.com/jour/article/view/486/440; Мирзаев М.А. Проектирование автономного полевого робота для дифференцированного внесения агрохимических средств // Электротехнологии и электрооборудование в АПК. 2021. Т. 68. N4(45). С. 131-136.; Zhao K., et al. Building extraction from satellite images using mask R-CNN with building boundary regularization. Proceedings of the IEEE conference on computer vision and pattern recognition workshops. 2018. 247-251.; Weber M., et al. Deeplab2: A tensorflow library for deep labeling. arXiv preprint arXiv:2106. 09748v1. 2021.; Wang H., et al. Max-deeplab: End-to-end panoptic segmentation with mask transformers. Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021. 5463-5474.; Caesar H., Uijlings J., Ferrari V. Coco-stuff: Thing and stuff classes in context. Proceedings of the IEEE conference on computer vision and pattern recognition. 2018. 1209-1218.; Jeon J., et al. Run your visual-inertial odometry on NVIDIA Jetson: Benchmark tests on a micro aerial vehicle. IEEE Robotics and Automation Letters. 2021. Vol. 6. N3. 5332-5339.; Hossain S., Lee D. Deep learning-based real-time multiple-object detection and tracking from aerial imagery via a flying robot with GPU-based embedded devices. Sensors. 2019. Vol. 19. N15. 3371.; Carneiro T., et al. Performance analysis of google colaboratory as a tool for accelerating deep learning applications. IEEE Access. 2018. Vol. 6. 61677-61685.; Meyer G.E., Neto J.C. Verification of color vegetation indices for automated crop imaging applications. Computers and electronics in agriculture. 2008. Vol. 63. N2. 282-293.; Демин Е.Е. и др. Аналитические исследования технических параметров самодвижущихся опрыскивателей // Аграрный научный журнал. 2021. N12. С. 112-114.; Балабанов В.И. и др. Технологии, машины и оборудование для координатного (точного) земледелия. М.: Росинформагротех. 2016. 240 с.; Лысов А.К., Воробьев Н.И. Вычисление с помощью математической модели траекторий движения распыляемых аэрозольных капель // АгроЭкоИнженерия. 2021. N2(107). С. 96-106.; Бредихин А.И. Алгоритмы обучения сверточных нейронных сетей // Вестник Югорского государственного университета. 2019. N1(52). С. 41-54.; Henaff O. Data-efficient image recognition with contrastive predictive coding. International Conference on Machine Learning. PMLR. 2020. 4182-4192.; Bardou D., Zhang K., Ahmad S. M. Classification of breast cancer based on histology images using convolutional neural networks. IEEE Access. 2018. Vol. 6. 24680-24693.; Polyzotis N., Zinkevich M., Roy S., Breck E., Whang S. Data Validation for Machine Learning. Proceedings of Machine Learning and Systems. 2019.; https://www.vimsmit.com/jour/article/view/486

الاتاحة: https://www.vimsmit.com/jour/article/view/486
https://doi.org/10.22314/2073-7599-2022-16-3-74-80

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

المؤلفون: Бородин, Андрей Андреевич, Бородин, Н. А., Дончило, А. Н.

المصدر: Izvestiya Vysshikh Uchebnykh Zavedenii. Radioelektronika; Vol. 61 No. 5 (2018); 275-283 ; Известия высших учебных заведений. Радиоэлектроника; Том 61 № 5 (2018); 275-283 ; Вісті вищих учбових закладів. Радіоелектроніка; Том 61 № 5 (2018); 275-283 ; 2307-6011 ; 0021-3470

مصطلحات موضوعية: волны Осборна, ЭКГ сигнал, вейвлет-признак, квазисогласованная вейвлет фильтрация, метод главных компонент, нейронная сеть прямого распространения ошибки, обучение нейронной сети, МГК, ДВП

وصف الملف: application/pdf

Relation: http://radio.kpi.ua/article/view/S0021347018050047/128752; http://radio.kpi.ua/article/view/S0021347018050047

الاتاحة: http://radio.kpi.ua/article/view/S0021347018050047
https://doi.org/10.20535/S0021347018050047

المؤلفون: Санников, Константин Алексеевич

المساهمون: Друки, Алексей Алексеевич

مصطلحات موضوعية: алгоритмы детектирования образов, распознавание эмоций, алгоритм Виолы-Джонса, сверточная нейронная сеть, обучение нейронной сети, algorithmen zur Erkennung von images, Emotionserkennung, Viola-Jones-Algorithmus, Convolutional neural network, neuronales Netzwerk Ausbildung, 09.04.01, 004.932.72'1:159.925.8

وصف الملف: application/pdf

Relation: Санников К. А. Разработка алгоритмов распознавания эмоционального состояния человека по изображению его лица : дипломный проект / К. А. Санников; Национальный исследовательский Томский политехнический университет (ТПУ), Институт кибернетики (ИК), Кафедра информационных систем и технологий (ИСТ); науч. рук. А. А. Друки. — Томск, 2017.; http://earchive.tpu.ru/handle/11683/40050

الاتاحة: http://earchive.tpu.ru/handle/11683/40050

المؤلفون: БЕЛЕЦКАЯ С.Ю., ЛИЦМАН Д.Н., ПОВАЛЯЕВ А.Д., ГАГАНОВ А.В.

مصطلحات موضوعية: ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ, ВЕСОВЫЕ КОЭФФИЦИЕНТЫ, РАНДОМИЗАЦИЯ, СЛУЧАЙНЫЙ ВЕКТОР, АДАПТИВНЫЕ ПОИСКОВЫЕ АЛГОРИТМЫ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/adaptivnye-poiskovye-algoritmy-obucheniya-iskusstvennyh-neyronnyh-setey
http://cyberleninka.ru/article_covers/15956296.png

المؤلفون: Абрагин Артур Викторович

مصطلحات موضوعية: генетический алгоритм, нейронная сеть, обучение нейронной сети

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/geneticheskiy-algoritm-obucheniya-iskusstvennyh-neyronnyh-setey
http://cyberleninka.ru/article_covers/16058347.png

المؤلفون: Vlasova, G. A., Власова, Г. А.

المساهمون: Kurmanova, D. I., Курманова, Д. И.

مصطلحات موضوعية: NEURAL NETWORK, ARTIFICIAL INTELLIGENCE, SEARCH SYSTEMS, NEURAL NETWORK TRAINING, НЕЙРОННАЯ СЕТЬ, ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ПОИСКОВЫЕ СИСТЕМЫ, ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ

وصف الملف: application/pdf

Relation: Язык в сфере профессиональной коммуникации. — Екатеринбург, 2020; Власова Г. А. Нейронные сети: классификация, область применения и перспективы развития / Г. А. Власова // Язык в сфере профессиональной коммуникации : сборник материалов международной научно-практической конференции преподавателей, аспирантов и студентов (Екатеринбург, 28 мая 2020 г.). — Екатеринбург : ООО «Издательский Дом «Ажур», 2020. — С. 487-491.; http://elar.urfu.ru/handle/10995/84224

الاتاحة: http://elar.urfu.ru/handle/10995/84224

المؤلفون: Рубанов, К. В.

المساهمون: Мурашко, И. А.

مصطلحات موضوعية: Нейронные сети, Обработка аудиозаписей, Изоляция голоса, Обучение нейронной сети, Музыкальные композиции

جغرافية الموضوع: Вологда

وصف الملف: application/pdf

Relation: Рубанов, К. В. Методология обучения нейронной сети изоляции голоса из композиции / К. В. Рубанов, науч. рук. И. А. Мурашко // Молодые исследователи – регионам : материалы Междунар. науч. конф., Вологда, 20–21 апр. 2021 г. : В 3 т. – Вологда : ВоГУ, 2021. – Т. 1. – С. 138 - 139.; https://elib.gstu.by/handle/220612/26108

الاتاحة: https://elib.gstu.by/handle/220612/26108

المساهمون: Мурашко, И. А.

مصطلحات موضوعية: Обучение нейронной сети, Обработка аудиозаписей, Музыкальные композиции, Нейронные сети, Изоляция голоса

وصف الملف: application/pdf

URL الوصول: https://explore.openaire.eu/search/publication?articleId=od______2959::e8d525e9b289029602def4387a44e108
https://elib.gstu.by/handle/220612/26108

المؤلفون: Шумков, Евгений, Чистик, Игорь

مصطلحات موضوعية: ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ, НЕЙРОННЫЕ СЕТИ, ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ, СТОХАСТИЧЕСКИЕ МЕТОДЫ ОБУЧЕНИЯ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/ispolzovanie-geneticheskih-algoritmov-dlya-obucheniya-neyronnyh-setey
http://cyberleninka.ru/article_covers/15225184.png

المؤلفون: Потапов, Виктор

مصطلحات موضوعية: МАТЕМАТИЧЕСКАЯ МОДЕЛЬ, НЕЙРОННАЯ СЕТЬ, НЕЙРОННАЯ СИСТЕМА, НАДЕЖНОСТЬ, ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/vychislenie-pokazateley-nadezhnosti-neyronnoy-sistemy-s-cheloveko-mashinnym-kompleksom-kontrolya-i-upravleniya-protsessom-nastroyki-i
http://cyberleninka.ru/article_covers/14798261.png

المؤلفون: Мищенко, В., Коробкин, А.

مصطلحات موضوعية: ГЕНЕТИЧЕСКИЙ АЛГОРИТМ, ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/ispolzovanie-geneticheskih-algoritmov-v-obuchenii-neyronnyh-setey
http://cyberleninka.ru/article_covers/14833679.png

المؤلفون: Соколовский, Алексей, Соколовская, Ирина

مصطلحات موضوعية: ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ, СТАТИСТИЧЕСКИЙ МЕТОД, ЧИСЛЕННЫЙ ЭКСПЕРИМЕНТ, ПРОЧНОСТЬ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/podgotovka-dannyh-dlya-postroeniya-neyrosetevyh-modeley-pri-malom-kolichestve-eksperimentov
http://cyberleninka.ru/article_covers/15192095.png

المؤلفون: Романов, Дмитрий

مصطلحات موضوعية: НЕЙРОН,ФУНКЦИЯ АКТИВАЦИИ,НЕЙРОННЫЕ СЕТИ,МЕТОД ОБРАТНОГО РАСПРОСТРАНЕНИЯ ОШИБКИ,ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/neyronnye-seti-obratnogo-rasprostraneniya-oshibki
http://cyberleninka.ru/article_covers/14274608.png

المؤلفون: Фокин, Алексей, Андреев, Всеволод

مصطلحات موضوعية: ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, НЕЙРОННАЯ СЕТЬ, БАНКОМАТ, УСТРОЙСТВО САМООБСЛУЖИВАНИЯ, БАЗА ДАННЫХ, ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/obschie-printsipy-sozdaniya-kompleksnoy-sistemy-prognozirovaniya-prostoya-bankomatov-i-ustroystv-samoobsluzhivaniya
http://cyberleninka.ru/article_covers/14632743.png

المؤلفون: Самонина, О.

مصطلحات موضوعية: НЕЙРОННЫЕ СЕТИ,ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ,ОБУЧАЮЩЕЕ МНОЖЕСТВО,АЛГОРИТМ ОБРАТНОГО РАСПРОСТРАНЕНИЯ ОШИБКИ

وصف الملف: text/html

الاتاحة: http://cyberleninka.ru/article/n/metody-i-problemy-obucheniya-mnogosloynoy-neyronnoy-seti-ispolzuemoy-dlya-otsenki-harakteristik-proektiruemyh-informatsionnyh-sistem
http://cyberleninka.ru/article_covers/14158166.png