| dc.contributor.author | Головко, Владимир Адамович | |
| dc.contributor.author | Крощенко, Александр Александрович | |
| dc.coverage.spatial | Луцьк | ru_RU |
| dc.date.accessioned | 2023-11-01T08:59:43Z | |
| dc.date.available | 2023-11-01T08:59:43Z | |
| dc.date.issued | 2015 | |
| dc.identifier.citation | Головко, В. А. Метод обучения нейронной сети глубокого доверия и применение для визуализации данных / В. А. Головко, А. А. Крощенко // Комп’ютерно-iнтегрованi технологiї: освiта, наука, виробництво. – 2015. – Вып. 19. – С. 6–12 : ил. – Библиогр.: с. 12 (10 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/36726 | |
| dc.description | Golovko Vladimir Adamovich, Kroschenko Alexander Alexandrovich. Deep Trust neural Network training method and application for data visualization | ru_RU |
| dc.description.abstract | В последнее время нейронные сети глубокого доверия являются горячо обсуждаемой темой в области машинного обучения благодаря своей возможности выполнять глубокое иерархическое представление входных данных. Так, первый слой сети может извлечь низкоуровневые признаки, второй слой – признаки более высокого уровня и т.д. В общем случае нейронная сеть глубокого доверия представляет собой персептрон с большим количеством слоев и позволяет преодолеть ограничения классического многослойного персептрона благодаря глубокой архитектуре. В данной статье представляется новый метод, называемый REBA, для обучения нейронной сети глубокого доверия на основе ограниченной машины Больцмана (RBM). Эффективность метода REBA демонстрируется на примере визуализации выборки рукописных цифр базы данных MNIST. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | Луцький національний технічний університет | ru_RU |
| dc.subject | нейронные сети | ru_RU |
| dc.subject | neural Network | ru_RU |
| dc.title | Метод обучения нейронной сети глубокого доверия и применение для визуализации данных | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 004.032.26 | ru_RU |
| dc.abstract.alternative | Deep belief neural network has been the hottest topic in domain of machine learning in the last years due to deep hierarchical representation of the input data. So, the first layer could extract low-level features, the second layer could extract higher level features and so on. In general case deep belief neural network represents many-layered perceptron and permits to overcome some limitations of conventional multilayer perceptron due to deep architecture. In this work we propose a new technique called “REBA” for training of deep belief neural network, based on restricted Boltzmann machine. The performance of REBA technique is illustrated for MNIST dataset visualization. | ru_RU |
