Neural networks' learning process acceleration

Neural networks' learning process acceleration

Gespeichert in:

Bibliographische Detailangaben
Datum:	2020
Hauptverfasser:	L. Katerynych, M. Veres, E. Safarov
Format:	Artikel
Sprache:	English
Veröffentlicht:	2020
Schriftenreihe:	Problems in programming
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001163067
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Library portal of National Academy of Sciences of Ukraine \| LibNAS

Institution

Library portal of National Academy of Sciences of Ukraine | LibNAS

Ähnliche Einträge

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Neural networks’ learning process acceleration
von: Katerynych, L., et al.
Veröffentlicht: (2020)

Neural network technologies to processing natural language texts in adaptive learning systems
von: I. M. Domanetska, et al.
Veröffentlicht: (2017)

Structural and Parametric Synthesis of Deep Learning Neural Networks
von: V. M. Syniehlazov, et al.
Veröffentlicht: (2020)

Two dimensional model of learning in spiking neural networks with homeostasis and reward
von: V. M. Osaulenko
Veröffentlicht: (2017)

Application of Deep Learning Neural Network for Classification of Big Data of Astronomic Observations
von: A. A. Gorbunov, et al.
Veröffentlicht: (2017)

APPLICATION OF DEEP LEARNING NEURAL NETWORK FOR CLASSIFICATION OF BIG DATA OF ASTRONOMIC OBSERVATIONS
von: Gorbunov, A. A., et al.
Veröffentlicht: (2017)

Self-learning neural network technologies in the systems of structural recognition of visual objects
von: Berestovskii, A. E., et al.
Veröffentlicht: (2015)

Evaluation of the Features Significance Based on Neural Networks in Tasks of the Analysis of the Distance Learning Quality
von: E. M. Filonenko, et al.
Veröffentlicht: (2018)

Study of stochastic gradient methods for optimization of algorithms of learning artificial neural networks
von: T. A. Samoljuk
Veröffentlicht: (2017)

Improving face recognition models using convolutional neural networks, metric learning and optimization methods
von: A. M. Litvynchuk, et al.
Veröffentlicht: (2021)

Development of a Cluster with Cloud Computing Based on Neural Networks With Deep Learning for Modeling Multidimensional Fields
von: M. Kosovets, et al.
Veröffentlicht: (2021)

Developing a semantic image model using machine learning based on convolutional neural networks
von: P. I. Andon, et al.
Veröffentlicht: (2020)

Neural network modeling of graphic recognition processes
von: Ye. M. Chichirin, et al.
Veröffentlicht: (2019)

Transforming governance: enabling scalable and adaptable decentralized networks on EVM-compatible blockchain
von: Katerynych, L.O., et al.
Veröffentlicht: (2024)

Analyzing the models of speech recognition on the basis of neural networks of deep learning for examination of digital phonograms
von: V. I. Solovev, et al.
Veröffentlicht: (2021)

Deep neural network based on generalized neo-fuzzy neurons and its learning based on backpropagation
von: Ye. V. Bodianskyi, et al.
Veröffentlicht: (2021)

Sonvergence of Sequential Gradient Learning Algorithms in Neural Networks for Online Identification of Nonlinear Systems: a Special Case
von: L. S. Zhiteckii, et al.
Veröffentlicht: (2015)

Methods of parallel vertical data processing in neural networks
von: V. V. Hrytsyk, et al.
Veröffentlicht: (2014)

Сonvergence of Sequential Gradient Learning Algorithms in Neural Networks for Online Identification of Nonlinear Systems: a Special Case
von: Zhiteckii, L.S., et al.
Veröffentlicht: (2015)

Using an ensemble of convolutional neural networks to process remote sensing data
von: E. E. Marushko, et al.
Veröffentlicht: (2018)

The use of Artificial Neural Networks for Process Control Hardware and Processing Complex
von: Ju. Zarubin, et al.
Veröffentlicht: (2013)

Brain and Artificial Neural Networks
von: V. V. Storozh
Veröffentlicht: (2013)

Application of the volume learning algorithm artificial neural networks for recognition of the type of interaction between neurons from their cross-correlation histograms
von: Kovalishyn, V.V., et al.
Veröffentlicht: (2005)

Practical content of the elements of petrophysical model of terrigenous sandstones — oil and gas reservoirs in neural networks, deep learning and regression methods
von: Vyzhva, Serhiy, et al.
Veröffentlicht: (2025)

Neural-network-based methods for ARPES data processing (review article)
von: Yu. V. Pustovit, et al.
Veröffentlicht: (2024)

Neural-network-based methods for ARPES data processing (review article)
von: Yu. V. Pustovit, et al.
Veröffentlicht: (2024)

Methods of artificial intelligence for acoustic emission diagnostics of fracture stages (A review). P. 2: Artificial neural network and deep learning
von: O. M. Stankevych, et al.
Veröffentlicht: (2024)

Application of neural networks in OLAP-systems
von: Nabibayeva, G.Ch.
Veröffentlicht: (2024)

Formal verification of deep neural networks
von: Panchuk, B.O.
Veröffentlicht: (2024)

The Software Neural Network System for Monitoring Space Telemetry
von: V. V. Ganchenko, et al.
Veröffentlicht: (2013)

Application of neural networks to prediction of company future development
von: L. Dvořáková, et al.
Veröffentlicht: (2015)

Application of neural networks to prediction of company future development
von: Dvořáková, L., et al.
Veröffentlicht: (2015)

Neural network for seismic shaking intensity modeling
von: M. Lazarenko, et al.
Veröffentlicht: (2010)

Neural network for seismic shaking intensity modeling
von: Lazarenko, M., et al.
Veröffentlicht: (2010)

Synthesis of optimal structure of deep neural network
von: Yu. Koval, et al.
Veröffentlicht: (2016)

Neural network modeling in the problem of localization earthquake of Ukraine
von: O. O. Herasymenko, et al.
Veröffentlicht: (2020)

Neural network modeling in the problem of localization earthquake of Ukraine
von: Gerasymenko, O.O., et al.
Veröffentlicht: (2020)

Application of neural network technologies in NDT systems
von: V. S. Yeremenko, et al.
Veröffentlicht: (2012)

Optimization of autotuning of programs using neural networks
von: Yu. Doroshenko, et al.
Veröffentlicht: (2017)