Please use this identifier to cite or link to this item: https://er.nau.edu.ua/handle/NAU/40141
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSineglazov, V. M.-
dc.contributor.authorTofaniuk, O. R.-
dc.date.accessioned2019-09-10T06:58:48Z-
dc.date.available2019-09-10T06:58:48Z-
dc.date.issued2019-06-
dc.identifier.issn1990-5548-
dc.identifier.otherDOI:10.18372/1990-5548.60.13814-
dc.identifier.urihttp://er.nau.edu.ua/handle/NAU/40141-
dc.description.abstractIn this paper the problem of learning the deep believe neural network with help of a restricted Boltzmann machine and the choose of an optimal algorithm for its training is considered. Different algorithms of restricted Boltzmann machine training, which are used for the pre-training of deep believe neural network, are considered, in order to increase the efficiency of this network and further solve the problem of structural-parametric synthesis of deep believe neural network. This task represents the task of justifying the necessity of optimal choice of the restricted Boltzmann machine adjustment algorithm for improving the quality of training of the neural network. To solve this problem, it is suggested to create an automated adjustment system of restricted Boltzmann machine, which choose the optimal training algorithm for this neural networkuk_UA
dc.description.abstractУ даній роботі розглянуто задачу навчання нейронної мережі глибокої довіри за допомогою обмеженої машини Больцмана та вибором оптимального критерію для її навчання. Розглянуто різні алгоритми навчання обмеженої машини Больцмана, яка використовується для попереднього навчання нейронної мережі глибокої довіри, для підвищення ефективності роботи цієї мережі з подальшим вирішенням задачі структурно-параметричного синтезу нейронної мережі глибокої довіри. Це завдання являє собою задачу обгрунтування необхідності оптимального вибору алгоритму налаштування обмеженої машини Больцмана для підвищення якості навчання нейронної мережі глибокої довіри. Для вирішення цієї проблеми запропоновано створити автоматизовану систему налаштування нейронної мережі глибокої довіри, яка буде обирати оптимальні критерії навчання для даної нейронної мережіuk_UA
dc.language.isoukuk_UA
dc.publisherКиїв «Освіта України»uk_UA
dc.relation.ispartofseriesElectronics and Control Systems;N2(60): 43-52-
dc.relation.ispartofseriesЕлектроніка та системи управління;N2(60): 43-52-
dc.subjectdeep believe networkuk_UA
dc.subjectrestricted boltzmann machineuk_UA
dc.subjectcontrastive divergenceuk_UA
dc.subjectpersistent contrastive divergenceuk_UA
dc.subjectparallel temperinguk_UA
dc.subjectнейронна мережа глибокої довіриuk_UA
dc.subjectобмежена машина Больцманаuk_UA
dc.subjectконтрастна розбіжністьuk_UA
dc.subjectстійка контрастна розбіжністьuk_UA
dc.subjectпаралельне загартуванняuk_UA
dc.subjectнейронная сеть глубокого доверияuk_UA
dc.subjectограничена машина Больцманаuk_UA
dc.subjectконтрастное расхождениеuk_UA
dc.subjectустойчивое контрастное расхождениеuk_UA
dc.subjectпараллельная закалкаuk_UA
dc.titleAutomated Adjustment System of Restricted Boltzmann Machineuk_UA
dc.title.alternativeАвтоматизована система налаштування обмеженої машини Больцманаuk_UA
dc.typeArticleuk_UA
dc.subject.udc004.85(045)-
dc.specialityCOMPUTER-AIDED DESIGN SYSTEMSuk_UA
dc.specialityАВТОМАТИЗОВАНІ СИСТЕМИ ПРОЕКТУВАННЯuk_UA
Appears in Collections:Наукові публікації та матеріали кафедри авіаційних комп'ютерно-інтегрованих комплексів (НОВА)

Files in This Item:
File Description SizeFormat 
8.pdfНаукова стаття702.25 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.