Структурно параметричний синтез гібридних рекурентних нейронних мереж для обробки природної мови

Скорочена інформація про документ
dc.contributor.advisorСинєглазов, Віктор Михайлович
dc.contributor.authorМоскаленко, Роман Юрійович
dc.date.accessioned2024-12-29T18:31:51Z
dc.date.available2024-12-29T18:31:51Z
dc.date.issued2024
dc.description.abstractМагістерська 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.
dc.description.abstractotherMaster’s thesis: 107 pages, 19 tables, 37 figures, 26 sources, appendix. The relevance of the research topic lies in the need for neural network models for processing natural language of narrow specialization. The object of the study is the structural-parametric synthesis of hybrid neural networks. The subject of research is LSTM and GRU networks and how to combine them to improve the accuracy of the hybrid network. The goal of the work is to develop a hybrid recurrent neural network with the simplest architecture that best performs the task of classification on a given data set. The work considers various architectures of recurrent networks, transformers, the mechanism of attention and uses the most effective of them. As a result of the work, a hybrid LSTM and GRU network model was built, which best detects syntactic and semantic regularities of the text, and also carries out its classification.
dc.format.extent107 с.
dc.identifier.citationМоскаленко, Р. Ю. Структурно параметричний синтез гібридних рекурентних нейронних мереж для обробки природної мови : магістерська дис. : 122 Комп'ютерні науки / Москаленко Роман Юрійович. - Київ, 2024. - 107 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71461
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectструктурно параметричний синтез
dc.subjectрекурентні нейронні мережі
dc.subjectгібридні нейронні мережі
dc.subjectlstm
dc.subjectgru
dc.subjectгенетичний алгоритм
dc.subjectstructural-parametric synthesis
dc.subjectrecurrent neural networks
dc.subjecthybrid neural networks
dc.subjectgenetic algorithm
dc.subject.udc004.032.26:004.9(043.3)
dc.titleСтруктурно параметричний синтез гібридних рекурентних нейронних мереж для обробки природної мови
dc.typeMaster Thesis

Файли

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

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи