Отрывок: • Библиотека SNNTorch (7) языка Python позволяет обучать ИмНС методом обратного распространения ошибки. Преимуществом этой библиотеки является то, что она содержит различные функции, моделирующие активацию импульсных нейронов, и имеет большое количество гиперпараметров активационных слоев, которые поддаются корректировке с помощью механизма обратного распространения ошибки. • Библиотека SpykeTorch (8) позволяет обучать Рис. 1. Диаграмма обучения генеративной состязательной имп...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Антонов Д. И. | ru |
dc.contributor.author | Аглюков И. Н. | ru |
dc.contributor.author | Сухов С. В. | ru |
dc.coverage.spatial | импульсная нейронная сеть | ru |
dc.coverage.spatial | вариационный автокодировщик | ru |
dc.coverage.spatial | генеративная нейронная сеть | ru |
dc.coverage.spatial | генеративно-состязательная сеть | ru |
dc.creator | Антонов Д. И., Аглюков И. Н., Сухов С. В. | ru |
dc.date.accessioned | 2023-10-03 15:46:06 | - |
dc.date.available | 2023-10-03 15:46:06 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541291 | ru |
dc.identifier.citation | Антонов, Д. И. Подходы к моделированию генеративных импульсных нейронных сетей / Д. И. Антонов, И. Н. Аглюков, С. В. Сухов // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 041342. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Podhody-k-modelirovaniu-generativnyh-impulsnyh-neironnyh-setei-105732 | - |
dc.description.abstract | Генеративные методы в аналоговых искусственных нейронных сетях в настоящее время испытывают взрывообразное развитие. По сравнению с аналоговыми сетями, методы обучения импульсных нейронных сетей (ИмНС) разработаны недостаточно полно, а генеративные методы для ИмНС практически отсутствуют. В настоящей работе разработаны оригинальные генеративные методы для ИмНС с учетом стохастической природы нейронов. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект | ru |
dc.title | Подходы к моделированию генеративных импульсных нейронных сетей | ru |
dc.type | Text | ru |
dc.citation.spage | 041342 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | • Библиотека SNNTorch (7) языка Python позволяет обучать ИмНС методом обратного распространения ошибки. Преимуществом этой библиотеки является то, что она содержит различные функции, моделирующие активацию импульсных нейронов, и имеет большое количество гиперпараметров активационных слоев, которые поддаются корректировке с помощью механизма обратного распространения ошибки. • Библиотека SpykeTorch (8) позволяет обучать Рис. 1. Диаграмма обучения генеративной состязательной имп... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1920-9_2023-041342.pdf | 288.18 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.