Бібліотека Київського столичного університету імені Бориса Грінченка

Головна

Спрощенний режим

Посібник користувача

Бази даних

Електронний каталог бібліотеки- результати пошуку

Вид пошуку

Електронний каталог бібліотеки

Каталог авторефератів та дисертацій

Грінченкознавство

Рідкісні та цінні видання

Українська Аудіокнига

Мережеві ресурси

Наукові періодичні видання Університету

Зона пошуку

Формат представлення знайдених документів:
повний	інформаційний	короткий

Відсортувати знайдені документи за:
автором	назвою	роком видання	типом документа

Пошуковий запит: (<.>K=згорткова нейронна мережа<.>)

Загальна кількість знайдених документів : 3
Показані документи с 1 за 3

Лавренюк, М. С.
Огляд методів машинного навчання для класифікації великих обсягів супутникових даних / М. С. Лавренюк, О. М. Новіков // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. - 2018. - № 1. - С. 52-71. - Бібліогр. в кінці ст. . - ISSN 1681-6048

Кл.слова (ненормовані):
машинне навчання -- глибинне навчання -- згорткова нейронна мережа -- класифікація великих обсягів даних
Дод.точки доступу:
Новіков, О. М.

Є примірники у відділах: всього 1 : ГП ЧЗ (1)
Вільні: ГП ЧЗ (1)

Знайти схожі

Хорольська, Карина Вікторівна.
Потенціал застосування різних методів штучного інтелекту у задачі розпізнавання креслень та трансформації 2D 3D / К. В. Хорольська // Кібербезпека: освіта, наука, техніка : електронне наукове видання. - 2022. - N 17. - С. 21-30, DOI 10.28925/2663-4023.2022.17.2130. - Бібліогр. в кінці ст. . - ISSN 2663-4023

Кл.слова (ненормовані):
розпізнавання -- штучний інтелект -- штучні нейронні мережі -- креслення -- двовимірні моделі -- згорткова нейронна мережа -- тривимірні моделі
Анотація: У статті проведено аналіз основних методів штучного інтелекту у задачі розпізнавання креслень та трансформації 2Dмоделі у 3Dмодель. Із стрімким розвитком інформаційних технологій, і, особливо, в прагненні максимально реалістичного відтворити проект майбутнього виробу/будинку та інших об’єктів в цифровому вигляді, дуже гостро постає питання розпізнавання креслень та трансформації 2Dмоделі у 3Dмодель. В міру зростання кількості та складності завдань, що виникають ри оцифруванні існуючої на паперових носіях креслярсько-технічної документації, та паралельної необхідності трансформації двовимірних моделей у тривимірні моделі длявізуалізації у тривимірному просторіскладних об’єктів, дослідники звернули увагу на можливості застосування технологій та систем штучного інтелекту у процесах розпізнавання креслень та трансформації двовимірних моделей у тривимірні моделі. Перші дослідження, присвячені застосуванню штучного інтелекту в задачах розпізнавання зображень на кресленнях, почали з’являтися ще на початку 90-х років 20-го століття. Аналіз підходів для розпізнавання креслень дозволяє розглянути потенціал застосування різних методівштучного інтелекту в задачі розпізнавання креслень та трансформації двовимірних моделейу тривимірні моделі. Проаналізувати потенціал покращення роботи CNN, а також її архітектури, не вдаючись до екстенсивного розширення архітектури згорткової нейронної мережі(CNN), а також враховуючи необхідність вирішення завдання, пов’язаного з логічною векторизацією розпізнаних за допомогою згорткової нейронної мережі примітивів та/або умовно-графічних позначень на кресленнях для виконання трансформації 2D в 3D.В подальшому це стимулює дослідників шукати альтернативні методи та моделі для систем розпізнавання зображень на кресленнях
Перейти до зовнішнього ресурсу https://csecurity.kubg.edu.ua

Є примірники у відділах: всього 1 : Online (1)
Вільні: Online (1)

Знайти схожі

Терейковський, Ігор Анатолійович.
Процедура застосування нейронних мереж для сегментації растрових зображень / І. А. Терейковський, Д. О. Чернишев, О. Г. Корченко // Кібербезпека: освіта, наука, техніка : електронне наукове видання. - 2022. - N 18. - С. 24-38, DOI 10.28925/2663-4023.2022.18.2438. - Бібліогр. в кінці ст. . - ISSN 2663-4023

Кл.слова (ненормовані):
нейромережева модель -- згорткова нейронна мережа -- семантична сегментація -- растрове зображення -- розпізнавання зображень
Анотація: В даний час засоби семантичної сегментації зображень, що базуються на використанні нейронних мереж, знаходять все ширше застосування в комп'ютерних системах різного призначення. Незважаючи на значні успіхи в даній галузі, однією з найважливіших невирішених задач є завдання визначення типу та параметрів згорткових нейронних мереж, що лежать в основі кодера та декодера. В результаті проведених досліджень розроблено відповідну процедуру, що дозволяє адаптувати нейромережевий кодер і декодер до таких умов задачі сегментації: розмір зображення, кількість кольорових каналів, допустима мінімальна точність сегментації, допустима максимальна обчислювальна складність сегментації, необхідність маркування сегментів, необхідність виділення кількох сегментів, необхідність виділення деформованих, зміщених та повернутих об'єктів, допустима максимальна обчислювальна складність навчання нейромережевої моделі; допустимий термін навчання нейромережевої моделі. Виконання процедури застосування нейронних мереж для сегментації зображень полягає у формуванні базисного математичного забезпечення, побудові основних блоків та загальної схеми процедури. Розроблена процедура верифікована експериментально на прикладах семантичної сегментації зображень, що містять об'єкти типу автомобіль. Отримані експериментальні результати свідчать, що застосування запропонованої процедури дозволяє уникнувши складних довготривалих експериментів, побудувати нейромережеву модель, яка при достатньо короткому терміні навчання забезпечує досягнення точності сегментації зображень близько 0,8, що відповідає найкращим системам аналогічного призначення. Показано, що шляхи подальших досліджень у напрямку вдосконалення методологічного забезпечення нейромережевої сегментації растрових зображень доцільно співвіднести зобґрунтованим використанням у кодері та декодері сучасних модулів та механізмів, адаптованих до значимих умов поставленої задачі. Наприклад, використання модулю ResNet дозволяє за рахунок нівелювання ефекту падіння градієнта збільшити глибину нейронної мережі, а модуля Inception забезпечує зменшення кількості вагових коефіцієнтів та обробку об'єктів різного розміру
Перейти до зовнішнього ресурсу https://csecurity.kubg.edu.ua

Дод.точки доступу:
Чернишев, Денис Олегович
Корченко, Олександр Григорович

Є примірники у відділах: всього 1 : Online (1)
Вільні: Online (1)

Знайти схожі

© Міжнародна Асоціація користувачів і розробників електронних бібліотек і нових інформаційних технологій
(Асоціація ЕБНІТ)