Синєглазов, Віктор МихайловичРучкін, Олександр Костянтинович2023-09-162023-09-162023Ручкін, О. К. Напівкероване навчання нейронних мереж на основі графового підходу з використанням регуляризації : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Ручкін Олександр Костянтинович. – Київ, 2023. – 135 с.https://ela.kpi.ua/handle/123456789/60426Пояснювальна записка: 135 сторінок, 32 малюнків, 49 джерел, 2 додатка. Метою кваліфікаційної роботи бакалавра – є розробка графо-орієнтованих методів напівконтрольованого навчання підвищеної точності та швидкості за допомогою застосування запропонованої модифікації методу Пуассона та за рахунок використання покращеного оптимізаційного підходу Нестерова та додаткової регуляризації. За для досягнення мети потрібно вирішити наступні задачі: Провести детальний аналіз сучасного стану напряму напівкерованого навчання на основі графів. Проаналізувати застосування варіаційного підходу у розповсюдженні міток до Лапласового та Пуассонівського навчання та застосування регуляризаційного підходу. Проаналізувати та порівняти алгоритми Лапласового та Пуассонівського навчання стосовно напівкерованого навчання на основі графів. Проаналізувати регуляризаційні підходи. Запропонувати та реалізувати модифікацію алгоритму Пуассоні-вського навчання орієнтованого на досягнення підвищеної точності та швидкості на основі оптимізаціії та застосування додаткової регуляризації. Провести тестування алгоритму та провести порівняльний аналіз існуючих та запропонованої модифікацій на штучних даних. Застосування Пуассонівського навчання з оптимізатором Нестерова та додатковим регулярізатором є новим підходом та може застосовуватися у практичних додатках, наприклад, медичних діагностичних систем. Об’єктом розробки – є алгоритмічне та програмне забезпечення графо-орієнтованого методу напівконтрольованого навчання нейромережи для підвищення точності навчання при невеликому проценті помічених вершин до непомічених даних.135 с.ukнапівкерованнне навчання нейромереж на основі графівлапласове та пуассонове навчанняметоди регуляризаціїsemi-supervised learning of neural networkssemi-supervised learning of neural networks based on graphslaplac and poisson learninggradient descent methodsBachelor Thesis