Карточка | Таблица | RUSMARC | |
Смородинов, Александр Денисович. Автоматизированное конструирование нейронных сетей для задач математического моделирования: магистерская диссертация: 09.04.01 Информатика и вычислительная техника / А. Д. Смородинов; научный руководитель Т. В. Гавриленко; БУ ВО Ханты-Мансийского автономного округа – Югры "Сургутский государственный университет", Политехнический институт, Кафедра автоматизированных систем обработки информации и управления. — Электронные текстовые данные (1 файл: 7 590 564 байт). — Сургут, 2021. — Коллекция: Выпускные квалификационные работы. — Заглавие с титульного экрана. — Режим доступа: Корпоративная сеть СурГУ или с любой точки подключения к Интернет по логину и паролю. — <URL:https://elib.surgu.ru/fulltext/vkr/2021/8799>. — Текст (визуальный): электронныйДата создания записи: 12.07.2021 Коллекции: Выпускные квалификационные работы Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть НБ СурГУ | Все | |||||
Интернет | Читатели | |||||
Интернет | Анонимные пользователи |
Оглавление
- ВВЕДЕНИЕ
- 1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ
- 2. СРАВНЕНИЕ АНАЛОГОВ
- 2.1. NeuroPro
- 2.2. AlyudaForecast
- 2.3. NeuroSolutions
- 3. ВЫБОР СРЕДСТВ РАЗРАБОТКИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ
- 3.1. C++
- 3.2. Java
- 3.3. R
- 3.4. С#
- 3.5. Python 3
- Да
- Esquisse, Dplyr, Ggplot2, MLR
- Нет
- ML.NET, TensorFlowSharp, Accord.Net, Microsoft Azure ML Studio
- 4. ВЫБОР БИБЛИОТЕК РЕАЛИЗАЦИИ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕАЛИЗАЦИИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ
- 4.1. Theano
- 4.2. TensorFlow
- 4.3. PyTorch
- 4.4. CNTK
- 4.5. Keras
- 5. ВЫБОР БИБЛИОТЕКИ ДЛЯ СОЗДАНИЯ ИНТЕРФЕЙСА ПОЛЬЗОВАТЕЛЯ
- 5.1.Tkinter
- 5.2. PyQt5
- 6. ПРОЕКТИРОВАНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ
- 6.1. Описание автоматического режима работы
- 6.2. Описание экспертного режима работы
- 6.3. Описание функций активации
- 6.4. Описание функций оптимизации
- 6.4.1. Стохастический градиентный спуск без импульса Нестерова (СГД)
- 6.4.2. Стохастический градиентный спуск с импульсом Нестерова
- 6.4.3. Adagrad
- 6.4.4. RMSProp и Adadelta
- 6.4.5. Adam
- 6.4.6. Adamax
- 6.4.7. Nadam (Nesterov Adam)
- 6.4.8. Adam в варианте AMSGrad
- 6.5. Описание функций потерь (целевая функция оптимизации)
- 6.6. Общие настройки обучения нейронных сетей
- 6.7. Концептуальные схемы автоматизированной системы
- 6.8. Схемы работы
- 7. АВТОМАТИЗИРОВАННАЯ СИСТЕМА
- 7.1. Разработка пользовательского интерфейса
- 7.2. Неоднократное обучение нейронной сети
- 7.3. Обучение нейронных сетей
- 8. ТЕСТИРОВАНИЕ СИСТЕМЫ АВТОМАТИЗИРОВАННОГО КОНСТРУИРОВАНИЯ НЕЙРОННЫХ СЕТЕЙ
- 8.1. Эксперимент 1
- 8.2. Эксперимент 2
- 8.3. Эксперимент 3
- 8.4. Эксперимент 4
- 8.5. Эксперимент 5
- 8.6. Эксперимент 6
- 8.7. Эксперимент 7
- ЗАКЛЮЧЕНИЕ
- СПИСОК ЛИТЕРАТУРЫ
- ПРИЛОЖЕНИЕ А. Исходный код автоматизированной системы, отвечающий за работу пользователя с графическим интерфейсом
- ПРИЛОЖЕНИЕ B. Программный код автоматизированной системы, часть, отвечающая за обучение нейронной сети
Статистика использования
Количество обращений: 46
За последние 30 дней: 0 Подробная статистика |