Застосування багатопотоковості для навчання нейронної мережі

Скорочена інформація про документ
dc.contributor.advisorСмаковський, Денис Сергійович
dc.contributor.authorСініцин, Володимир Русланович
dc.date.accessioned2019-03-29T01:00:58Z
dc.date.available2019-03-29T01:00:58Z
dc.date.issued2018-12
dc.description.abstractenMaster's thesis consists of an introduction, seven chapters, conclusion, list of references with 32 titles, 2 annexes, and contains 36 figures, 23 tables. The full range of master's thesis is 112 pages with a list of links takes 3 pages, apps - 12 pages. The object of study – algorithms for training neural networks. The subject of research is the parallel algorithms for training neural networks. The purpose of this master's thesis is to develop a multi-threaded neural network teaching method and implement it in a software product. The developed algorithm of multistep training should carry out training faster than current algorithms of parallelization. Also under this condition, the neural network should be trained. The obtained results showed the advantage of learning the chosen method of multithreading in comparison with the classical method. This method changes the learning algorithm so the question of using this method should be investigated in the futureuk
dc.description.abstractukМагістерська дисертація складається зі вступу, семи розділів, висновку, переліку посилань з 32 найменувань, 2 додатки, і містить 36 рисунки, 23 таблиці. Повний обсяг магістерської дисертації складає 112 сторінки, з яких перелік посилань займає 3 сторінки, додатки – 12 сторінок. Об’єкт дослідження – алгоритми навчання нейронних мереж Предмет дослідження – паралельні алгоритми навчання нейронних мереж. Метою даної магістерської дисертації є розробка методу багатопотокового навчання нейронної мережі та реалізування його в програмному продукті. Розроблений алгоритм багатоптокового навчання повинний проводити навчання швидше за нинішні алгоритми паралелізації. Також за цієї умови нейронна мережа повинна піддаватися навчанню. Отримані результати показали перевагу в швидкості навчання обраного методу багатопотоковості в порівнянні із класичним методом. Даний метод змінює алгоритм навчання тому питання використання цього методу потрібно досліджувати в подальшомуuk
dc.format.page101 с.uk
dc.identifier.citationСініцин, В. Р. Застосування багатопотоковості для навчання нейронної мережі : магістерська дис. : 121 Інженерія програмного забезпечення / Сініцин Володимир Русланович. – Київ, 2018. – 101 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/26970
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectнавчання нейронної мережіuk
dc.subjectпаралельні методиuk
dc.subjectneural networkuk
dc.subjectneural network traininguk
dc.subjectparallel methodsuk
dc.titleЗастосування багатопотоковості для навчання нейронної мережіuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Sinitsyn_magistr.pdf
Розмір:
1.74 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.18 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (АПЕПС)
Магістерські роботи