| dc.contributor.author | Крощенко, Александр Александрович | |
| dc.contributor.author | Головко, Владимир Адамович | |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-11-01T10:41:05Z | |
| dc.date.available | 2023-11-01T10:41:05Z | |
| dc.date.issued | 2022 | |
| dc.identifier.citation | Крощенко, А. А. Метод редуцирования нейросетевых моделей компьютерного зрения / А. А. Крощенко, В. А. Головко // Информационные системы и технологии : материалы международного научного конгресса по информатике, Минск, 27–28 октября 2022 г. / Белорусский государственный университет ; редкол.: С. В. Абламейко (гл. ред.) [и др.]. – Минск : БГУ, 2022. – Ч. 2. – С. 151–156. – Библиогр.: с. 156 (8 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/36728 | |
| dc.description | Kroshchanka A. A., Golovko V.A. Reduction method for neural network models of computer vision | ru_RU |
| dc.description.abstract | В данной статье предлагается подход к редуцированию полносвязных нейронных сетей с помощью классического и модифицированного предобучения глубоких нейронных сетей. Авторами продемонстрировано, что данный подход позволяет существенно уменьшить количество параметров обучаемой нейронной сети практически без уменьшения обобщающей способности. Возможности предложенного метода продемонстрированы на классических выборках компьютерного зрения MNIST, CIFAR10 и CIFAR100. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУ | ru_RU |
| dc.subject | глубокие нейронные сети | ru_RU |
| dc.subject | deep neural networks | ru_RU |
| dc.subject | редукция параметров нейронных сетей | ru_RU |
| dc.subject | neural network parameter reduction | ru_RU |
| dc.subject | предобучение глубоких нейронных сетей | ru_RU |
| dc.subject | deep neural network pretraining | ru_RU |
| dc.subject | компьютерное зрение | ru_RU |
| dc.subject | computer vision | ru_RU |
| dc.subject | сэмплирование Гиббса | ru_RU |
| dc.subject | Gibbs sampling | ru_RU |
| dc.title | Метод редуцирования нейросетевых моделей компьютерного зрения | ru_RU |
| dc.type | Научный доклад (Working Paper) | ru_RU |
| dc.identifier.udc | 004.032.26 | ru_RU |
| dc.abstract.alternative | This article proposes an approach to the reduction of fully connected neural networks using classical and modified pre-training of deep neural networks. The authors have demonstrated that this approach can significantly reduce the number of parameters of the trained neural network with little or no reduction in the generalizing ability. The capabilities of the proposed method are demonstrated on the classical computer vision datasets MNIST, CIFAR10 and CIFAR100. | ru_RU |
