Отрывок: Дополнительный аспект заключается в том, что они должны быть вычислительно эффективными, поскольку они рассчитаны на тысячи или даже миллионы нейронов для каждой выборки данных [17]. Функция активации, используемая для скрытых слоёв модели, называется ReLU («выпрямитель»). Эта функция является наиболее часто используемой для скрытых слоёв и определяется как:...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Бородакова А. Н. | ru |
dc.contributor.author | Лёзин И. А. | ru |
dc.contributor.author | Соловьева Я. В. | ru |
dc.contributor.author | Министерство науки и высшего образования Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.contributor.author | Институт информатики | ru |
dc.contributor.author | математики и электроники | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | Python | ru |
dc.coverage.spatial | Keras | ru |
dc.coverage.spatial | классификация текстов | ru |
dc.coverage.spatial | многослойный персептрон | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.creator | Бородакова А. Н. | ru |
dc.date.issued | 2020 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20200908161307 | ru |
dc.identifier.citation | Бородакова, А. Н. Автоматизированная система классификации текстов с помощью многослойного персептрона : вып. квалификац. работа по направлению подгот. 09.03.01 "Информатика и вычислительная техника" (уровень бакалавриата) / А. Н. Бородакова ; рук. работы И. А. Лёзин ; нормоконтролер Я. В. Соловьева ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики. - Самара, 2020. - on-line | ru |
dc.description.abstract | Целью выпускной квалификационной работы является разработкаавтоматизированной системы, классифицирующей текст с помощьюнейросетевой модели многослойного персептрона.В процессе выполнения работы был проведён анализ предметнойобласти и анализ моделей нейронных сетей для решения задачиклассификации текстовых документов. Разработана информационно-логическая модель в нотации UML с помощью CASE-средства draw.io.Выбран комплекс программных средств, а также разработаны алгоритмыфункционирования системы. Представлены исследования по оценкеэффективности разработанной системы. | ru |
dc.format.extent | Электрон. дан. (1 файл : 1,7 Мб) | ru |
dc.title | Автоматизированная система классификации текстов с помощью многослойного персептрона | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | Дополнительный аспект заключается в том, что они должны быть вычислительно эффективными, поскольку они рассчитаны на тысячи или даже миллионы нейронов для каждой выборки данных [17]. Функция активации, используемая для скрытых слоёв модели, называется ReLU («выпрямитель»). Эта функция является наиболее часто используемой для скрытых слоёв и определяется как:... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Бородакова_Анна_Николаевна_Автоматизированная_система_классификации_текстов.pdf | 1.72 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.