Добірка наукової літератури з теми "Класифікація нейронних мереж"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Класифікація нейронних мереж".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Класифікація нейронних мереж"
Тимошин, Ю., та Ю. Южда. "Аналіз особливостей застосування нейронних мереж для інтелектуальної обробки відеопотоків систем технічного зору". Адаптивні системи автоматичного управління 2, № 39 (15 грудня 2021): 12–19. http://dx.doi.org/10.20535/1560-8956.39.2021.247372.
Повний текст джерелаHlavcheva, D., та V. Yaloveha. "КАПСУЛЬНІ НЕЙРОННІ МЕРЕЖІ". Системи управління, навігації та зв’язку. Збірник наукових праць 5, № 51 (30 жовтня 2018): 132–35. http://dx.doi.org/10.26906/sunz.2018.5.132.
Повний текст джерелаNazirova, T. O., та O. B. Kostenko. "Нейрономережева інформаційна технологія опрацювання медичних даних". Scientific Bulletin of UNFU 28, № 8 (25 жовтня 2018): 141–45. http://dx.doi.org/10.15421/40280828.
Повний текст джерелаЗагородній, О. "Принципи медичної діагностики злоякісного раку шкіри людини за допомогою штучних нейронних мереж." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 40 (19 вересня 2020): 31–36. http://dx.doi.org/10.36910/6775-2524-0560-2020-40-05.
Повний текст джерелаKarpa, D. М., I. H. Tsmots та Yu V. Opotiak. "Нейромережеві засоби прогнозування споживання енергоресурсів". Scientific Bulletin of UNFU 28, № 5 (31 травня 2018): 140–46. http://dx.doi.org/10.15421/40280529.
Повний текст джерелаMolodets, Bohdan, та Тatyana Bulanaya. "Аналіз існуючих варіантів класифікації хворих на серцево-судинними захворюваннями за допомогою нейронними мережами". System technologies 5, № 130 (4 травня 2020): 71–78. http://dx.doi.org/10.34185/1562-9945-5-130-2020-09.
Повний текст джерелаДавидько, О. Б., А. О. Ладік, В. Б. Максименко, М. І. Линник, О. В. Павлов та Є. А. Настенко. "КЛАСИФІКАЦІЯ УРАЖЕНЬ ЛЕГЕНЬ ПРИ COVID-19 НА ОСНОВІ ТЕКСТУРНИХ ОЗНАК ТА ЗГОРТКОВОЇ НЕЙРОННОЇ МЕРЕЖІ". Біомедична інженерія і технологія, № 6 (17 листопада 2021): 19–28. http://dx.doi.org/10.20535/2617-8974.2021.6.231887.
Повний текст джерелаАкимов, В. "Алгоритми багаторівневого навчання для вирішення задачі класифікації захворювань шкіри." КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, № 36 (20 листопада 2019): 97–102. http://dx.doi.org/10.36910/6775-2524-0560-2019-36-16.
Повний текст джерелаNazirova, T. A., та A. B. Kostenko. "Застосування технології Neural Network для управління пацієнтопотоком у медичній установі". Scientific Bulletin of UNFU 28, № 6 (27 червня 2018): 136–39. http://dx.doi.org/10.15421/40280627.
Повний текст джерелаZhukovskyy, V. V., S. V. Shatnyi та N. A. Zhukovska. "Нейронна мережа для розпізнавання та класифікації картографічних зображень ґрунтових масивів". Scientific Bulletin of UNFU 30, № 5 (3 листопада 2020): 100–104. http://dx.doi.org/10.36930/40300517.
Повний текст джерелаДисертації з теми "Класифікація нейронних мереж"
Греков, І. С., та М. Г. Заворотна. "Классификация нейронных сетей". Thesis, Кременчуцький льотний коледж, 2019. http://openarchive.nure.ua/handle/document/9373.
Повний текст джерелаПорхун, О. В. "Автоматична класифікація багатовимірних об"єктів із застосуванням апарату нейронних мереж". Дис. канд. фіз.-мат. наук, КНУТШ, 2009.
Знайти повний текст джерелаШаровецька, Тетяна Миколаївна. "Компʼютерна система визначення етнічного походження за допомогою нейронних мереж". Bachelor's thesis, Київ, 2020. https://ela.kpi.ua/handle/123456789/37504.
Повний текст джерелаThesis: 65 p., 10 fig., 2 add. and 10 references. Thesis is devoted to the creation of a software product that using methods of face recognition, neural networks and clustering will determine the affiliation of the person depicted in the photo to the area of the particular ethnic group, anthropological group. The aim of the work is to create a computer system that, using the external features of the person in the image, will determine its probable anthropological origin, based on anthropometric data. This work can be used both for research in somatic anthropology (because even the results of its work do not require much adaptation for further analytical work with them) and as a more entertaining application, which is already more common due to the rapid development of technology . The object of research is the appearance of a person as a result of the process of anthropogenesis. The subject of research is the use of neural networks for computer vision, clustering and classification problems. During the development of this system, a study of effective methods of facial recognition, clustering and training of neural networks for use in graphical problems. The subject area of such a science as anthropology, its relevance today and the basics of one of its basic methods - anthropometry - were also considered.
Кобиляшний, Олексій Геннадійович. "Обробка вихідних сигналів акселерометра за допомогою нейронних мереж". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/34544.
Повний текст джерелаThe thesis is presented in 63 pages. It contains bibliography of 32 references. 25 figure and 8 tables are given in the thesis. The goal of the thesis is checking the feasibility of using neural networks to process the output signals of the accelerometer. The thesis considers the relevance of the problem of recognizing the types of physical activity. An accelerometer is used as the main source of information. The paper provides theoretical information about the accelerometer, its physical principle of operation, as well as an overview of the main manufacturing technologies. Classical methods of information processing and neural networks as a tool of modern data analysis are described. A probabilistic neural network and a logistic regression model were used as the main models for processing accelerometer signals. A study on the use of these methods to determine the type of physical activity.
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.
Повний текст джерелаТішаєв, І. В. "Розв"язання промисло-геофізичних задач класифікації методами штучних нейронних мереж та вейвлет-аналізу". Дис. канд. фіз.-мат. наук, КНУТШ, 2006.
Знайти повний текст джерелаКічангіна, Ольга Євгенівна. "Система розпізнавання хвороби Альцгеймера по знімкам МРТ за допомогою нейронних мереж". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/45218.
Повний текст джерелаThesis: 122 p., 10 tabl., 40 fig., 2 appendices, 24 sources. Object of research: recognition of Alzheimer's disease by MRI. Subject of research: analysis of methods and models for solving the problem. The purpose of the study: to study the existing methods of image recognition and classification, to develop our own system of Alzheimer's disease detection by MRI images using an algorithm based on existing approaches to solve our task. Used models: the software implementation used the basic models ResNet50, VGG19 and InceptionV3, convolutional autoencoder and KNN algorithm. Results: built a system for recognizing Alzheimer's disease, which can assign an MRI image to one of 3 classes: Normal, OldAge and AD with accuracy 88%.
Руденко, Інна Вікторівна. "Інформаційна технологія для класифікації марок автомобілів з використанням згорткової нейронної мережі". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9696.
Повний текст джерелаКохановська, Н. В., О. В. Якімова та Андрій Олександрович Дашкевич. "Розробка алгоритму навчання штучної нейронної мережі для вирішення задачі класифікацї". Thesis, НТУ "ХПІ", 2011. http://repository.kpi.kharkov.ua/handle/KhPI-Press/3350.
Повний текст джерелаБурау, Н. І., та С. С. Рупіч. "Нейронна мережа для багатокласової дiагностики об’єктiв". Thesis, НТУ "ХПІ", 2016. http://repository.kpi.kharkov.ua/handle/KhPI-Press/25891.
Повний текст джерела