Academic literature on the topic 'Комбінація нейронних мереж'

Розв'язок задач електронної комерції, які здебільшого характеризуються нелінійними поверхнями відгуку, є важливим завданням. Застосування сучасних засобів обчислювального інтелекту не завжди є доречним зважаючи на складність реалізації процедур навчання і налагодження. Неітеративні засоби та нейронні мережі без навчання також не забезпечують задовільної точності результату. З огляду на це у роботі описано новий ансамбль на підставі нейронних мереж узагальненої регресії. Основна ідея розробленого ансамблю полягає в лінеаризації поверхні відгуку, що задається даними наявної вибірки. Для цього отримана за допомогою мережі GRNN поверхня подається на вхід лінійної нейроподібної структури. Така комбінація забезпечує підвищення точності роботи ансамблю під час розв'язання поставленої задачі. Описаний ансамбль застосовано для розв'язання задачі прогнозування ціни на вживані автомобілі. Експериментальним способом підібрано оптимальні параметри його роботи. Шляхом порівняння із відомими методами встановлено найвищу точність його роботи. Результати експериментальних досліджень порівняно з теоретичними оцінками на підставі висновків теореми Кондорсе про журі присяжних. Розроблений ансамбль нейронних мереж узагальненої регресії на підставі зміщення поверхонь відгуку та з додатковим використанням нейроподібних структур Моделі послідовних геометричних перетворень варто застосовувати під час розв'язання різноманітних задач електронної комерції підвищеної точності.

Стаття присвячена опису моделі конволюційної нейронної мережі для покращення роздільної здатності зображень на мобільних пристроях. В наш час мобільна фотографія стає все більш і більш популярною. Багато людей вибирають у якості основного пристрою для створення фото свій смартфон, оскільки це значно зручніше, швидше та дешевше за спеціалізовану камеру. Нажаль, висока роздільна здатність і якість фото доступна лише покупцям дорогих смартфонів. Саме тому актуальною є проблема покращення роздільної здатності та чіткості фотографій є неймовірно актуальною. Традиційні алгоритми без використання машинного навчання демонструють непогані результати і не потребують великого обсягу часу, потрібного на підбір наборів даних, що необхідні для тренування нейронної мережі, та, власне, на сам процес тренування. Проте, іх ефективність та якість результату значно гірша ніж у підходів з використанням нейронних мереж. Саме тому пропонується застосувати гібридний метод обробки зображень, що базується на конволюційних нейронних мережах. Структура мережі відрізняється від класичних підходів комбінацією обробки нейронною мережею та одним з більш традиційних алгоритмів обробки зображень. Запропонавана системавикористовує конволюційні нейронні мережі замість традиційних генеративних змагальних мереж. Запропонована архітектура мережі використовує автокодувальник, який вчиться на різких зображеннях шляхом вилучення ознак. Після навчання вихідне зображення пропускається через автокодувальник. Після видалення шумів та застосування корекцій, декодер створює з цих даних необхідне різке зображення. Після обробки нейронною мережею, застосовується алгоритм Unsharp Masking з буфером глибини для покращення контрасту і яскравості результуючого зображення. У статті наведено перелік переваг використання вищезазначеної системи. Бібл. 5, іл. 1.

У статті досліджується питання оптимізації пошукових процесів та актуальність використання штучних нейронних мереж для підбору інвентаря для настільного теннісу. Проводиться аналіз останніх публікацій в обраній темі та розглядаються переваги штучнихнейронних мереж порівняно з традиційними видами знаходження рішень. Визначаються переваги використання комп’ютерних технологій з метою автоматизації процесів підбору інвентаря для настільного тенісу. За домопомгою нейронних мереж можна розв’язати будь-яку задачу. Проблема полягає лише у тому, щоб здійснити правильний вибір архітектури та структури нейронної мережі, алгоритму її функціонування та здійснити формалізацію вихідних даних, результату та відповідного перетворення. В роботі розглядаються варіанти різних побудов штучних нейронних мереж і алгоритми їх функціонування з метою вибору оптимального алгоритму. Аналіуються недоліки та переваги мереж з алгоритмом оберненого поширення похибки, RBF (штучних нейронних мереж із радіально-базисними активаційними функціями) та карти Кохонена. В статті також розглянуто задачу кластеризації ринку інвентаря для настільного тенісу. Результатом дослідження стало створення нейромережевої інформаційно-аналітичної системи «Neuro TT» для аналізу ринку інвентаря настільного тенісу з можливістю підбору оптимального поєднання накладок і основи. Розроблено структуру такої нейромережевої системи. Вона складається з трьох інформаційних банків, в яких міститься інформація про властивості основ і накладок, а такожвідомі комбінації таких поєднань накладок і основ. Елементи системи розташовуються на сервері і є незалежними один від одного. Використання такої системи дасть змогу передбачати тенденції розвитку ринку інвентаря для настільного тенісу, виробникам планувати та змінювати структуру виробництва, покупцям (гравцям) та продавцям повністю задовольнити інформаційні потреби. Використання такої системи дозволить передбачати тенденції розвитку ринку інвентаря для настільного тенісу, виробникам планувати та змінювати структуру виробництва, покупцям (гравцям) та продавцям повністю задовільніть інформаційні потреби.

Спроектовано веб-додаток, який дасть змогу здійснювати класифікацію політематичних текстових новин з інтернет-сайтів у режимі онлайн, їх зберігати і редагувати, а отримані результати ставити в чергу для подальшого оброблення та використання. Проаналізовано наявні методи класифікації політематичної текстової інформації з можливістю вибору потрібного з них чи їх комбінації, які найбільш ефективно можуть задовольняти встановлені вимоги замовників до неї за різними критеріями. Визначено метод для класифікації політематичних текстових новин, робота якого розрахована на онлайн режим їх надходження з послідовним аналізом на вході множини текстових даних. Спроектовано архітектуру веб-додатку для послідовної класифікації текстових даних у режимі онлайн та обґрунтовано його перелік необхідних функцій, які забезпечуватимуть зберігання, оброблення та перегляд текстової інформації, отриманої внаслідок аналізу інтернет-сайтів, або даних, необхідних для його роботи. Розроблено структуру організації баз даних для реалізації веб-додатку, які забезпечать надійне зберігання класифікованої інформації за різними критеріями, а також даних для авторизації та автоматизації дій користувача. Реалізовано веб-додаток з використанням середовища розробника, обраної мови програмування, засобів реалізації та спроектованої клієнт-серверної його архітектури, функціонал якого обробляє відповідну інформацію, використовує базу даних для її зберігання та виконання подальших дій. Для ефективної роботи веб-додатку під час класифікації текстових новин передбачено різних користувачів, потреби яких доступні за оплату, яку можна здійснити відразу на ресурсі. Користувачам доступний такий функціонал веб-додатку: оброблення, зберігання, редагування текстових новин та результатів їх класифікації, авторизації та оплати додаткових функцій.

Обсяг магістерської дисертації становить 77 сторінок, містить 25 рисунків, 6 таблиць. Загалом було опрацьовано 53 джерела. Робота присвячена створенню нейронної мережі для виявлення рецидивів пухлини головного мозку. Розроблену мережу можливо застосовувати для післяопераційного моніторингу змін в області, враженій пухлиною, а також для досліджень в області нейронних мереж та медицини. Метою роботи є підвищення ефективності виявлення рецидивів пухлини мозку шляхом створення нейронної мережі для сегментації МРТ зображень. Об’єктом дослідження є нейромережа для сегментації МРТ зображень. Предметом дослідження виступає алгоритм сегментації пухлини головного мозку за допомогою нейронної мережі на зображеннях МРТ. У магістерській дисертації обґрунтовано необхідність створення інформаційної нейронної мережі, її ефективність порівняно з іншими існуючими нейромережами. Розроблена нейронна мережа дозволяє виявити рецидиви пухлин головного мозку. До того ж, архітектуру даної нейромережевої комбінації можна вдосконалити. В середовищі розробки Python створено нейромережевий ансамбль та перевірено точність розпізнавання ним пухлин головного мозку.
The volume of the master's dissertation is 77 pages, contains 25 figures, 6 tables. In total, 53 sources were processed. The work is devoted to the creation of an informative neural network for the detection of recurrence of the brain tumor. The developed system can be used for postoperative monitoring of changes in the affected area of the tumor, as well as for research in the field of neural networks and medicine. The purpose of the work is to create an informative neural network for the detection of recurrent neoplasms in the patient's brain. The object of the study is a neural network for the segmentation of MRI images. The subject of the study is the characteristics of MRI images and the information neural network tested in the development environment of Python. In the master's dissertation the necessity of creation of the informative neural network, its efficiency in comparison with other existing neural networks is substantiated. The developed neural network allows to detect recurrence of tumors of the brain. In addition, the architecture of this neural network combination can be improved. In the development environment of Python, a neural network ensemble was created and the accuracy of the recognition of the brain tumors was checked.