Метод стохастичного навчання нейронної мережі з використанням генетичного алгоритму
| dc.contributor.author | Пітик, Ярослав Олександрович | |
| dc.date.accessioned | 2022-12-10T19:42:05Z | |
| dc.date.available | 2022-12-10T19:42:05Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Кваліфікаційна робота магістра розв’язує науково-технічну задачу розробки методу стохастичного навчання нейронної мережі з використанням генетичного алгоритму, особливістю якого є те, що для одержання нових зразків множин ваг синапсів застосовується тільки оператор мутації та використовується подвійний контроль завершення процесу навчання нейронної мережі, забезпечуючи завершення процесу навчання як за сталості найкращого зразка множини ваг синапсів у популяції, так і за вичерпанням граничної кількості періодів виконання генетичного алгоритму. | uk_UA |
| dc.identifier.citation | Пітик Я. О. Метод стохастичного навчання нейронної мережі з використанням генетичного алгоритму : кваліфікаційна робота магістра : 122 Комп’ютерні науки / Я. О. Пітик ; Хмельниц. нац. ун-т. – Хмельницький, 2022. – 111 с. | uk_UA |
| dc.identifier.uri | https://elar.khmnu.edu.ua/handle/123456789/12825 | |
| dc.language.iso | uk | uk_UA |
| dc.publisher | Хмельницький національний університет | uk_UA |
| dc.subject | 122 Комп’ютерні науки | uk_UA |
| dc.subject | генетичний алгоритм | uk_UA |
| dc.subject | нейронна мережа | uk_UA |
| dc.subject | перцептрон | uk_UA |
| dc.subject | дактилоскопія | uk_UA |
| dc.subject | образ | uk_UA |
| dc.subject | стохастичне навчання нейронної мережі, | uk_UA |
| dc.subject | інформаційна система | uk_UA |
| dc.subject | інформаційна модель | uk_UA |
| dc.title | Метод стохастичного навчання нейронної мережі з використанням генетичного алгоритму | uk_UA |
| dc.type | Магістерські роботи | uk_UA |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Пітик Ярослав Олександрович.pdf
- Розмір:
- 5.15 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
- Назва:
- license.txt
- Розмір:
- 4.26 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: