Навчально-науковий інститут прикладного системного аналізу (НН ІПСА)

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/50

Переглянути

Перегляд Навчально-науковий інститут прикладного системного аналізу (НН ІПСА) за Ключові слова "004.032.26:004.9(043.3)"

Зараз показуємо 1 - 2 з 2
  • Ескіз
    ДокументВідкритий доступ
    Структурно параметричний синтез гібридних рекурентних нейронних мереж для обробки природної мови
    (КПІ ім. Ігоря Сікорського, 2024) Москаленко, Роман Юрійович; Синєглазов, Віктор Михайлович
    Магістерська дисертація: 107 c., 20 табл., 37 рис., 26 посилань, додаток. Актуальність теми дослідження полягає в необхідності моделей нейронних мереж для обробки природної мови вузької спеціалізації. Об’єктом дослідження є структурно-параметричний синтез гібридних нейронних мереж. Предметом дослідження є мережі LSTM та GRU та способи їх поєднання для покращення точності гібридної мережі. Мета роботи – розробити гібридну рекурентну нейронну мережу з найпростішою архітектурою, яка найкраще виконує задачу класифікації на визначеному наборі даних. У роботі розглянуто різні архітектури рекурентних мереж, трансформерів, механізм уваги та використано найефективніші з них. У результаті роботи побудовано модель гібридної мережі LSTM та GRU яка найкраще виявляє синтаксичні та семантичні закономірності тексту, а також проводить його класифікацію.
  • Ескіз
    ДокументВідкритий доступ
    Структурно-параметричний синтез агностичних нейронних мереж
    (КПІ ім. Ігоря Сікорського, 2024) Ткачук, Артем Олександрович; Синєглазов, Віктор Михайлович
    Магістерська дисертація: 70 с., 16 рис., 52 джерел. Об’єкт дослідження - структурно-параметричний синтез агностичних нейронних мереж (WANN). Предмет дослідження - агностичні нейронні мережі для пошуку оптимально функціональних архітектур за відсутності навчання та тренування вагових коефіцієнтів. Мета роботи - дослідження структури WANN та методу еволюційного пошуку архітектури з ігоруванням налаштування вагових коефіцієнтів. У роботі проведено дослідження структури агностичних нейронних мереж, створено оптимальні архітектури для керування існуючими агентам у віртуальному середовищі OpenAI gym. В рамках роботи над магістерською дисертацією створено детальний опис алгоритму роботи WANN. Під час еволюційного пошуку оптимальних архітектур зафіксовано рівень перформансу на кожній ітерації та вказано gpu час витрачений на пошук відповідних архітектур.