Электронная библиотека СурГУ

     
?

Детальная информация
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): электронный

Дата 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 Прочитать
Интернет Читатели Прочитать
-> 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

stat Количество обращений: 46
За последние 30 дней: 0
Подробная статистика