Relevant bibliographies by topics / Штучний нейрон

Academic literature on the topic 'Штучний нейрон'

Author: Grafiati
Published: 30 May 2022
Last updated: 31 May 2022

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Contents

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Штучний нейрон.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Штучний нейрон"

1

Бажинов, О., Р. Заверуха, and Т. Бажинов. "Інформаційна комплексна система діагностики гібридних і електромобілів." Науковий журнал «Інженерія природокористування», no. 2(16) (December 1, 2020): 12–18. http://dx.doi.org/10.37700/enm.2020.2(16).12-18.

Full text
Abstract:
Розглянуто штучні нейроні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. Отримано метод діагностики технічного стану силової установки, який використовує штучні нейронні мережі та системи нечіткого висновку для визначення технічного стану ДВЗ та тягової акумуляторної батареї.Метою роботи є підвищення ефективності діагностики функціональних систем гібридного та електромобіля шляхом оперативного синтезу управляючих впливів за енергетичними і якісними критеріями з урахуванням зовнішніх умов експлуатації. Обґрунтування методу діагностики технічного стану силової установки гібридного та електромобіля з використанням штучної нейронної мережі та системи нечіткого висновку. Дати наукове обґрунтування діагностичних параметрів силової установки гібридного автомобіля. В роботі використано штучні нейронні мережі в системі управління силовою установкою транспортного засобу з метою зменшення витрати енергії та діагностики off-line технічного стану тягової акумуляторної батареї. За допомогою симулятора навчається нейромережева модель автомобіля, яка використовує off-line навчання нейроконтролера. Якість навчання нейроконтролера визначається симулятором. При подальшому функціонуванні системи управління параметри нейронних мереж не змінюються. Відсутність адаптації вагових коефіцієнтів при функціюванні системи управління обґрунтовано тим, що це веде до втрати довго часовоїпам’яті системи управління при виникненні кратко часової несправності, а також можливості виникнення біфуркації при адаптації в нелінійних системах наведено на рисунку 1.Цільова функція оптимізації управління має на увазі мінімізацію витрати енергії при збереженні ступеню заряду тягової акумуляторної батареї при обмеженому діапазоні руху транспортного засобу в заданих умовах експлуатації.За результатами випробувань метода нейроуправління отримано, що нейроконтролер забезпечує зменшення витрати палива на 17 % і скорочує діапазон зміни ступеня зарядженості тягової акумуляторної батареї на 35 %, а також забезпечує мінімізацію викидів токсичних речовин.
APA, Harvard, Vancouver, ISO, and other styles
2

Пчелянський, Д. П., and С. А. Воінова. "ШТУЧНИЙ ІНТЕЛЕКТ: ПЕРСПЕКТИВИ ТА ТЕНДЕНЦІЇ РОЗВИТКУ." Automation of technological and business processes 11, no. 3 (November 11, 2019): 59–64. http://dx.doi.org/10.15673/atbp.v11i3.1500.

Full text
Abstract:
У статті подано основні дослідження в галузі штучного інтелекту як науки, що займається створенням автоматизованих інтелектуальних систем. Досліджено технологічні аспекти створення систем штучного інтелекту, розкрито різні підходи до їх конструювання. Показано місце експертних систем і нейромережевих технологій у цьому процесі. У статті розкрито сутність та уявлення про штучний інтелект, який постійно змінюється, трансформується бачення шляхів його розвитку, підходи до вивчення та функціонування в цілому. Найбільш перспективними напрямками в пізнанні штучного інтелекту, є нейронні мережі, еволюційні обчислення, експертні системи. Нейронні мережі здатні вирішувати такі прикладні задачі, як: фінансове прогнозування, контроль за діяльністю мереж, шифрування даних, діагностика систем. Розробка інтелектуальних експертних систем і нейронних мереж - це лише перші кроки на шляху до створення сильного штучного інтелекту. В межах цього змінюються вимоги до сучасних інформаційних інтелектуальних систем. У статті подано загальну картину розвитку різних напрямків штучного інтелекту шляхом аналізу європейських і американських конференцій по штучному інтелекту за останні кілька років. Проаналізовано та надано статистичну інформацію за даними Німецької дослідницької компанії IPlytics про компанії, які лідирують в галузі штучного інтелекту. В статті наведено інформацію про стан розвитку штучного інтелекту в Україні.
APA, Harvard, Vancouver, ISO, and other styles
3

Zhuk, М. М., H. V. Pivtorak, and І. І. Hits. "ЗАСТОСУВАННЯ НЕЙРОМЕРЕЖЕВОГО МОДЕЛЮВАННЯ ДЛЯ ПРОГНОЗУВАННЯ ТРИВАЛОСТІ ПЕРЕБУВАННЯ ТРАНСПОРТНОГО ЗАСОБУ НА ЗУПИНЦІ ГРОМАДСЬКОГО ТРАНСПОРТУ." Transport development, no. 1(12) (May 3, 2022): 156–67. http://dx.doi.org/10.33082/td.2022.1-12.13.

Full text
Abstract:
Вступ. Підвищення попиту на громадський транспорт серед міського населення можна досягнути комплексом різних заходів, одним з яких є вдосконалення системи перевезень та підвищення якості обслуговування пасажирів на різних ланках перевізного процесу. Сучасні методи опрацювання та аналізу параметрів функціонування транспортних систем дозволяють оцінити вплив різноманітних чинників на транспортні процеси та спрогнозувати результати такого впливу. Більшість транспортних процесів мають стохастичну, нелінійну структуру. У таких випадках доцільно використовувати методи штучного інтелекту, зокрема штучні нейронні мережі. Мета. Метою статті є визначення тривалості перебування транспортного засобу на зупинці громадського транспорту з використанням нейромережевого моделювання. Результати. У роботі розкрито основні принципи функціонування штучних нейронних мереж та правила їх використання. Проаналізовано доцільність застосування нейромережевого моделювання для прогнозування тривалості перебування транспортного засобу на зупинках громадського транспорту. Зокрема, проаналізовано вплив таких чинників, як: довжина маршруту, відстань від початку маршруту до досліджуваної зупинки, інтервал між транспортними засобами певного маршруту та пасажирообмін на зупинці. На основі зібраної під час натурних спостережень інформації в програмному середовищі Deductor створено нейронну мережу та проведено прогнозування тривалості перебування транспортного засобу на зупинці. Проведено оцінку якості отриманої моделі. Висновки. Нейромережеве моделювання є ефективним інструментом для дослідження транспортних процесів. Отримані результати свідчать про достатню точність отриманої моделі (середня тривалість перебування транспортного засобу на зупинці становить 24 с у ранковий період та 21 с – в обідній, відхилення в межах від 5 до 9,6 %). Подальші дослідження спрямовуватимуться на підвищення точності моделі шляхом, зокрема, розширення переліку вхідних параметрів.
APA, Harvard, Vancouver, ISO, and other styles
4

Pogrebnyak, S. V., and O. O. Vodka. "Моделювання механічної поведінки еластомірних матеріалів за допомогою штучної нейронної мережі." Scientific Bulletin of UNFU 28, no. 11 (December 27, 2018): 130–34. http://dx.doi.org/10.15421/40281123.

Full text
Abstract:
У ХХІ ст. нейронні мережі широко використовують у різних сферах, зокрема в комп'ютерному моделюванні та механіці. Така популярність через те, що вони дають високу точність, швидко працюють та мають дуже широкий спектр налаштувань. Створено програмний продукт із використанням елементів штучного інтелекту для інтерполяції та апроксимації експериментальних даних. Програмне забезпечення повинно коректно працювати та давати результати з мінімальною похибкою. Інструментом розв'язання задачі було використання елементів штучного інтелекту, а точніше – нейронних мереж прямого поширення. Збудовано нейронну мережу прямого поширення. Її навчив вчитель із використанням методу зворотного розповсюдження похибки на основі навчаючої вибірки попередньо проведеного експерименту. Для тестування було побудовано декілька мереж різної структури, що отримували на вхід однаковий набір даних, якого не використовували під час навчання, але він був відомий з експерименту. Отже, було знайдено похибку мережі за кількістю виділеної енергії та середньоквадратичним відхиленням. Докладно описано тип мережі та її топологію. Метод навчання і підготовки навчаючої вибірки також описано математично. Внаслідок проведеної роботи збудовано та протестовано програмне забезпечення з використанням штучної нейронної мережі та визначено її похибку.
APA, Harvard, Vancouver, ISO, and other styles
5

Nazirova, T. O., and O. B. Kostenko. "Нейрономережева інформаційна технологія опрацювання медичних даних." Scientific Bulletin of UNFU 28, no. 8 (October 25, 2018): 141–45. http://dx.doi.org/10.15421/40280828.

Full text
Abstract:
Швидкий розвиток комп'ютерної техніки формує передумови для розробок нейрокомп'ютерів (тобто комп'ютерів 6-го покоління), які, за прогнозами в галузі штучного інтелекту, активно будуть використані для перероблення будь-якої інформації, за тими ж принципами, що й біологічні нейронні мережі – такі як людський мозок. Тому попит на використання нейромережеві технології поступово охоплює дедалі ширший коло користувачів зокрема й у галузі охорони здоров'я. Досліджено можливості застосування штучних нейронних мереж для оброблення даних регіональної охорони здоров'я. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень управління пацієнтопотоком у медичних закладах. Запропоновано інформаційну технологію оброблення медичних даних за допомогою штучних нейронних мереж, що дасть змогу підвищити ефективність надання медичної допомоги під час профілактичних медоглядів, ніж відомі інформаційні технології класифікації. Розглянуті такі положення: принципи дії штучних нейронних мереж, переваги і недоліки їх використання та основні функції. Також наведено перспективи використання штучних нейронних мереж щодо класифікації пацієнтів для проходження профілактичного медичного огляду.
APA, Harvard, Vancouver, ISO, and other styles
6

Островська, Катерина, and Анна Мінаєнко. "ЗАСТОСУВАННЯ НЕЙРОМЕРЕЖНИХ ТЕХНОЛОГІЙ ДЛЯ ВИЯВЛЕННЯ ПНЕВМОНІЇ ПО РЕНТГЕНІВСЬКИМ ЗНІМКАМ." System technologies 5, no. 136 (May 29, 2021): 189–95. http://dx.doi.org/10.34185/1562-9945-5-136-2021-18.

Full text
Abstract:
У роботі спроектовано та розроблено додаток для виявлення пневмонії по рентгенівським знімкам із застосуванням нейромережних технологій на мові Python. Для реалізації програми для розпізнавання пневмонії по рентгенівськім знімкам, яке відноситься до задачі розпізнавання образів, буде застосована архітектура згортко-вих штучних нейроних мереж.
APA, Harvard, Vancouver, ISO, and other styles
7

Тітков, Сергій Олегович, and Олег Іванович Лісовиченко. "Модель оптимального вибору топології штучних нейроннх сіток з використанням генетичного алгоритму." Адаптивні системи автоматичного управління 1, no. 32 (September 21, 2018): 174–81. http://dx.doi.org/10.20535/1560-8956.32.2018.145630.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Nazirova, T. A., and A. B. Kostenko. "Застосування технології Neural Network для управління пацієнтопотоком у медичній установі." Scientific Bulletin of UNFU 28, no. 6 (June 27, 2018): 136–39. http://dx.doi.org/10.15421/40280627.

Full text
Abstract:
На сьогодні на основі технології Neural Network розроблено безліч програмних комплексів для прогнозування різних явищ, статистичного оброблення даних, методів класифікації даних, розпізнавання образів, оптимізації деяких процесів тощо. Здатність до самонавчання та вилучення знань з даних є одним з найкорисніших та вражаючих властивостей штучних нейронних мереж, успадкованих ними від мозку, як від свого прототипу. Світова практика використання штучного інтелекту свідчить про можливості отримувати нові, невідомі раніше закономірності, які не відразу знаходять пояснення, а іноді і не вкладаються в рамки офіційної науки. У багатьох параметрах технології нейронних мереж перевершують наявні традиційні алгоритми, тому по праву вважаються актуальними для активного застосування на цей час. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень в управлінні пацієнтопотоком у медичних установах. У цьому дослідженні розглянуто сутність нейронних мереж, їх особливості здатності до навчання (налаштування архітектури і синаптичних зв'язків). Також виявлено і перспективи розвитку застосування і використання штучних нейронних мереж для застосування розподілу пацієнтів для здійснення профілактичного медичного огляду.
APA, Harvard, Vancouver, ISO, and other styles
9

Пліта, Леонід Леонідович, Володимир Васильович Доронін, Володимир Семенович Давидов, and Володимир Іванович Богом'я. "ДЕЯКІ ПИТАННЯ ПІДВИЩЕННЯ БЕЗПЕКИ МОРЕПЛАВСТВА ВЕЛИКОТОННАЖНИХ СУДЕН." Vodnij transport, no. 3(31) (December 10, 2020): 67–73. http://dx.doi.org/10.33298/2226-8553.2020.3.31.07.

Full text
Abstract:
Результати аналізу існуючих прибережних і портових систем руху суден, суднових і берегових навігаційних систем безпеки плавання, які використовуються при проводці суден в каналах і на акваторіях портів и гаваней дозволяють зробити висновок про те, що існуюча система безпеки плавання не в повній мірі вирішує завдання безпечного плавання великотоннажних суден в складних умовах. У статті сформульовано об'єктивні причини, що впливають на зростання аварійності суден, особливо великотоннажних, які пов'язані з їх конструктивними і морехідними особливостями, обмеженими можливостями систем безпеки і існуючих систем руху суден. Зроблено висновок про необхідність автоматизації процесів управління, пов'язаних з автоматичним переходом функцій управління гвінторульовим комплексом і судновою енергетичною установкою автоматизованої системи управління судном на базі елементів нейронних технологій і штучного інтелекту. Ключові слова:, судно, безпека плавання, людський фактор, великотоннажні судна, аварійні морські події, нейронні технології, штучний інтелект.
APA, Harvard, Vancouver, ISO, and other styles
10

Сніжко, Є. М., and Дмитрий Владимирович Чернетченко. "Дослідження режимів вихідної генерації лінеаризованих штучних нейронів на базі апаратного рішення із ПЛІС архітектурою." Известия высших учебных заведений. Радиоэлектроника 63, no. 2 (March 28, 2020): 114–24. http://dx.doi.org/10.20535/s0021347020020053.

Full text
APA, Harvard, Vancouver, ISO, and other styles
More sources

Dissertations / Theses on the topic "Штучний нейрон"

1

Греков, І. С., and М. Г. Заворотна. "Классификация нейронных сетей." Thesis, Кременчуцький льотний коледж, 2019. http://openarchive.nure.ua/handle/document/9373.

Full text
Abstract:
В настоящий момент в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях. Актуальность исследований в этом направлении обусловлена возможностями применения нейронных сетей в самых разных областях.
APA, Harvard, Vancouver, ISO, and other styles
2

Гутман, А. І. "Застосування нейронних мереж для задач класифікації." Thesis, Київський національний університет технологій та дизайну, 2018. https://er.knutd.edu.ua/handle/123456789/11830.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Авдєйонок, Ірина Ігорівна. "Фотонна інтегральна схема для систем з штучним інтелектом." Master's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/41180.

Full text
Abstract:
Дисертаційна робота присвячена розробці фотонної інтегральної схеми для нейронної мережі. Інтегральні схеми являє собою невід'ємну частину сучасних технологій. Більша частина функціональних одиниць можливо замінити фотонним компоненнтом (діоди, хвилеводи, фільтри та підсилювач) для створення фотонної інтегральної схеми. Фотонні інтегральні схеми мають декілька переваг: мають більшу швидкість обробки та передачі інформації, велику зону пропускання та мають менші втрати енергії. Найбільш розповюдженим є використання гібридних схем, тобто частина елементів інтегральної системи інтегрується фотонними елементами. Перший розділ присвячений дослідженню сучасному розвитку нейронних мереж. Розглянуто апаратні реалізації нейрону та нейронних мереж. Також був проведений патентний пошук моделювання нейрону. У другому розділі розглянуті сучасні архітектури фотонно інтегрльної схеми. Була запропонована нова структура інтегральної схеми, та її технологія виготовлення. Для цього була запропонована структура літографічної установки та сформульоване технічне завдання. Третій розділ присвячений проектуванню літографічної системи. Були проведенні габаритні розрахунки, розрахунок структури оптичної системи. Після проектування провели аналіз системи, а саме проведена оптимізація розрахованої системи, енергетичний розрахунок, та абераційний аналіз. У четвертому розділі оглянуто нейрона мережа Хопфілда, її математична модель. На основі якої була розроблена програма для моделювання мережи Хопфілда та розрахунку вагових коефіцієнтів. П’ятий розділ присвячений експериментальним дослідженням. Був розроблений прототип фотонної інтегральної системи. Були проведені експерименти: дослідження хвилеводів системи для їх подальшого впровадження та дослідження діючого прототипу. Шостий розділ присвячений розробці стартап проекту.
The dissertation is devoted to the development of a photonic integrated circuit for a neural network. Integrated circuits are an integral part of modern technology. Most of the functional units can be replaced by a photonic component (diodes, waveguides, filters and amplifier) to create a photonic integrated circuit. Photonic integrated circuits have several advantages: they have a higher speed of processing and transmission of information, a larger bandwidth and less energy loss. The most common is the use of hybrid circuits, namely part of the elements of the integrated system is integrated by photonic elements. The first section is devoted to the study of modern development of neural networks. Hardware implementations of neurons and neural networks are considered. A patent search for neuronal modeling was also performed. The second section considers modern architectures of the photon integrated circuit. A new structure of the integrated circuit and its manufacturing technology were proposed. For this purpose, the structure of the lithographic installation was proposed and the technical task was formulated. The third section is devoted to the design of the lithographic system. Dimensional calculations, calculation of structure of optical system were carried out. After the design, the system was analyzed, namely the optimization of the calculated system, energy calculation, and aberration analysis. The fourth section examines the Hopfield neural network, its mathematical model. Based on which a program was developed to model the Hopfield network and calculate weights. The fifth section is devoted to experimental research. A prototype of a photonic integrated system was developed. Experiments were performed: the study of the waveguides of the system for their further implementation and the study of the current prototype. The sixth section is devoted to the development of a startup project.
APA, Harvard, Vancouver, ISO, and other styles
4

Паржин, Юрій Володимирович, О. В. Романішин, and М. В. Чурсін. "Нова парадигма побудови штучних нейронних мереж." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2016. http://repository.kpi.kharkov.ua/handle/KhPI-Press/46616.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Чернецький, Ігор Володимирович, Игорь Владимирович Чернецкий, and Ihor Volodymyrovych Chernetskyi. "Штучні нейронні мережі в практичній мікробіології." Thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/66952.

Full text
Abstract:
Штучні нейронні мережі – це математична модель, а також її програмна та апаратна реалізація, робота якої здійснюється за принципом організації та роботи біологічних нейронних мереж. Штучна нейронна мережа є основою поняття «інтелектуальний аналіз». З математичної точки зору ці мережі являють собою різновид нелінійної оптимізації.
APA, Harvard, Vancouver, ISO, and other styles
6

Липова, Ольга Миколаївна. "Прогнозна модель на базі штучних нейронних мереж." Магістерська робота, Київський національний університет технологій та дизайну, 2021. https://er.knutd.edu.ua/handle/123456789/19453.

Full text
Abstract:
Дипломну магістерську роботу присвячено дослідженню та створенню спрощеної і більш точної моделі для прогнозування основних метеорологічних параметрів із використанням методів машинного навчання. При дослідженні та під час спрощення і покращення моделі буде проведено аналіз засобів і методів автоматизації короткострокового прогнозування. Для дослідження та навчання штучної нейронної мережі також використовується алгоритм SOM.
APA, Harvard, Vancouver, ISO, and other styles
7

Азарова, А. О., and О. В. Антонюк. "Математичне моделювання конкурентної сили підприємства з використанням нечітко-нейронних технологій." Thesis, ВНТУ, 2009. http://ir.lib.vntu.edu.ua//handle/123456789/23614.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Strukov, D. D., and O. Y. Myronchuk. "Application of neural networks for solving interpolation tasks." Thesis, National Aviation University, 2021. https://er.nau.edu.ua/handle/NAU/50536.

Full text
Abstract:
1. Jinwook Go, Kwanghoon Sohn and Chulhee Lee, "Interpolation using neural networks for digital still cameras," in IEEE Transactions on Consumer Electronics, vol. 46, no. 3, pp. 610-616, Aug. 2000, doi: 10.1109/30.883419. 2. Myronchuk, O., Shpylka, O., & Zhuk, S. (2020). Two-stage Channel Frequency Response Estimation in OFDM Systems. Path of Science, 6(2), 1001-1007. doi: http://dx.doi.org/10.22178/pos.55-1 3. Myronchuk O. Algorithm Of Channel Frequency Response Estimation In Orthogonal Frequency Division Multiplexing Systems Based On Kalman Filter / O. Myronchuk, O. Shpylka, S. Zhuk // 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), Lviv-Slavske, Ukraine, 2020, pp. 31-34, doi: 10.1109/TCSET49122.2020.235385. 4. A. Y. Myronchuk, O. O. Shpylka and S. Y. Zhuk, “Channel frequency response estimation method based on pilot’s filtration and extrapolation”, Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, (78), pp. 36-42, 2019. doi:10.20535/RADAP.2019.78.36-42 5. Myronchuk O. Yu. Two-Stage Method for Joint Estimation of Information Symbols and Channel Frequency Response in OFDM Communication Systems / O. Yu. Myronchuk, A. A. Shpylka, S. Ya. Zhuk // Radioelectronics and Communications Systems. – 2020. Vol. 63. – No. 8, pp. 418 429. doi: 10.3103/S073527272008004X 6. Луцький М.Г., Корченко О.Г., Горніцька Д.А., Ярмошевич І.М. Модель оцінки якості експерта для підвищення об’єктивності експертиз у сфері інформаційної безпеки. Захист інформації. 2011. Том 13. Вип. 2(51). DOI: 10.18372/2410-7840.13.2022
Artificial neural networks (ANN) are fundamental solution for most of nowadays algorithmic and optimization problems. The most frequently encountered artificial neuron models are neurons with multiple inputs and single output, named feedforward neural network (FNN).
Штучні нейронні мережі (ANN) є фундаментальним рішенням для більшості сучасних задач алгоритмізації та оптимізації. Найбільш часто зустрічаються моделі штучних нейронів - це нейрони з кількома входами та єдиним виходом, названі нейронною мережею прямого пересилання (FNN).
APA, Harvard, Vancouver, ISO, and other styles
9

Васильченко, М. А. "Штучний інтелект для скринінгу та діагностики грудної залози." Master's thesis, Сумський державний університет, 2021. https://essuir.sumdu.edu.ua/handle/123456789/86524.

Full text
Abstract:
Розробка оптимальної моделі для виявлення типу ракової пухлини зі знімків ЕКГ, та порівняння отриманих результатів з іншими методами для виявлення кращого методу серед представлених. Розробка представлена у вигляді прикладної програми.
APA, Harvard, Vancouver, ISO, and other styles
10

Почтар, Ю. О., and С. П. Вислоух. "Використання алгоритмів штучних нейронних мереж для розв'язання технологічних задач." Thesis, Вид-во СумДУ, 2005. http://essuir.sumdu.edu.ua/handle/123456789/20079.

Full text
APA, Harvard, Vancouver, ISO, and other styles
More sources

Book chapters on the topic "Штучний нейрон"

1

Приймак, В. І., С. М. Вишневська, and А. І. Трач. "ІНТЕЛЕКТУАЛЬНИЙ КАПІТАЛ І ЦИФРОВА ЕКОНОМІКА В СИСТЕМІ СТАЛОГО РОЗВИТКУ." In Economics, management and administration in the coordinates of sustainable development. Publishing House “Baltija Publishing”, 2021. http://dx.doi.org/10.30525/978-9934-26-157-2-23.

Full text
Abstract:
Досліджено економічну сутність інтелектуального капіталу в сучасну епоху постіндустріального суспільства. Висвітлено його суспільне значення як визначального чинника економічного зростання та конкурентоспроможності держави. Обґрунтовано, що становлення економіки знань впливає на розвиток інтелектуального капіталу. Розглянуто системоутворюючі складові частини інтелектуального капіталу. Аргументовано необхідність застосування інтелектуального аналізу для оцінювання людського, організаційного, соціального та інформаційного складників інтелектуального капіталу. Узагальнено науково-методичні підходи до кластеризації регіонів України за оцінкою основних складників інтелектуального капіталу. За допомогою розробленої математичної моделі, основою якої є штучна нейронна мережа карт самоорганізації Кохонена, запропоновано підхід до поділу цих регіонів на кластери. Використання розглянутих у роботі методів аналізу рівня розвитку інтелектуального капіталу дасть змогу точніше вибрати напрями підвищення ефективності державного управління в умовах цифрової економіки для сталого розвитку держави.
APA, Harvard, Vancouver, ISO, and other styles

Reports on the topic "Штучний нейрон"

1

Семеріков, С. О. Застосування методів машинного навчання у навчанні моделювання майбутніх учителів хімії. КДПУ, November 2018. http://dx.doi.org/10.31812/123456789/2647.

Full text
Abstract:
Починаючи з 2018-2019 н. р., для магістрантів з додатковою спеціальністю «Інформатика» уведено навчальну дисципліну «Чисельні методи та моделювання», спрямованої на формування у студентів системи теоретичних знань з основ апарату чисельних методів і практичних навичок їх використання для розробки та дослідження математичних моделей. Одним із провідних завдань дисципліни є надання комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних інтелектуальних систем, та ознайомлення студентів з основними принципами нейромережевого моделювання: – загальними характеристиками біологічних та штучних нейронів; – штучною нейронною мережею Хебба, класичним та модифікованими перцептронами; – видами функцій активації, що набули поширення в штучних нейронних мережах; – технологією проектування одношарових та багатошарових штучних нейронних мереж; – алгоритмами навчання нейронних мереж. Вказані питання в останні десятиріччя розглядаються у межах машинного навчання (Machine Learning) – розділу штучного інтелекту, що розглядає методи побудови алгоритмів та на їх основі програм, здатних «навчатися» шляхом подання емпіричних даних (прецедентів або спостережень), в яких виявляються закономірності, та на їх основі будуються моделі, що надають можливість у подальшому прогнозувати певні характеристики для нових об’єктів. На жаль, класичний (і найбільш популярний у світі) курс машинного навчання Е. Ина (Andrew Ng), розміщений на платформі Coursera, зорієнтований насамперед на студентів-початковців інформатичних спеціальностей – це надає можливість пропонувати його для самостійного опрацювання, але не розв’язує основну проблему: надання змістовних моделей, що відображають специфіку основної спеціальності – хімія.
APA, Harvard, Vancouver, ISO, and other styles
You might also be interested in the extended bibliographies on the topic 'Штучний нейрон' for particular source types:
Journal articles Dissertations / Theses
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!

To the bibliography