Search

Show simple item record

dc.contributor.authorКраснопрошин, Виктор Владимирович
dc.contributor.authorМацкевич, Вадим Владимирович
dc.coverage.spatialБрестru_RU
dc.date.accessioned2020-04-17T07:08:13Z
dc.date.available2020-04-17T07:08:13Z
dc.date.issued2019
dc.identifier.citationКраснопрошин, В. В. Обучение глубоких доверительных сетей на основе метода отжига / В. В. Краснопрошин, В. В. Мацкевич // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2019. – № 5. – С. 5–9 : ил. – Библиогр.: с. 9 (17 назв.).ru_RU
dc.identifier.urihttps://rep.bstu.by/handle/data/4951
dc.descriptionKRASNOPROSHIN V. V., MATSKEVICH V. V. Annealing method in training deep belief networksru_RU
dc.description.abstractВ работе рассмотрена проблема организации эффективного обучения глубоких доверительных сетей. Предложен один из возможных подходов к решению проблемы на основе метода отжига с использованием технологии распараллеливания данных. Эффективность подхода демонстрируется на примере решения задачи сжатия цветных изображений с использованием ограниченной машины Больцмана. Описанные в работе идеи могут оказаться полезными при обучении глубоких доверительных сетей на кластерных вычислителях.ru_RU
dc.language.isoruru_RU
dc.publisherБрГТУru_RU
dc.subjectприкладные системы искусственного интеллектаru_RU
dc.subjectинтеллектуальные системыru_RU
dc.subjectartificial intelligence applicationsru_RU
dc.subjectintelligent systemsru_RU
dc.titleОбучение глубоких доверительных сетей на основе метода отжигаru_RU
dc.typeСтатья (Article)ru_RU
dc.identifier.udc004.89ru_RU
dc.abstract.alternativeThe paper deals with the problem of organizing efficient deep belief networks training. A possible approach to solving the problem based on annealing method using the data parallelization technology is proposed. The effectiveness of the approach is demonstrated by the example of solving the problem of compressing color images using a restricted Boltzmann machine. The ideas described in the paper may be useful in training deep belief networks on clusters.ru_RU


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record