| DC Field | Value | Language |
|---|
| dc.contributor.author | Krasnoproshin, V. | - |
| dc.contributor.author | Matskevich, V. | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-05-10T12:24:11Z | - |
| dc.date.available | 2023-05-10T12:24:11Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Krasnoproshin, V. Neural network software technology trainable on the random search principles = Нейросетевая программная технология, обучаемая на принципах случайного поиска / V. Krasnoproshin, V. Matskevich // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков [и др.]. – Минск, 2023. – Вып. 7. – С. 133–140. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/51259 | - |
| dc.description.abstract | The paper deals with a state-of-art neural technology programmed implementation problem in which the training process is based on random search algorithms. Training neural networks is a typical optimization problem. At the initial stage of neural network technologies development, various variants of gradient methods were traditionally used to solve such problems. Such methods, as a rule, met the requirements for the problem in terms of quality and speed of training. However, with the appearing of a new class of applied problems, the situation has changed. The traditional approach to training using gradient methods did not always meet the requirements of the applied problem in terms of the resulting solution quality. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | framework | ru_RU |
| dc.subject | neural network | ru_RU |
| dc.subject | annealing method | ru_RU |
| dc.title | Neural network software technology trainable on the random search principles | ru_RU |
| dc.title.alternative | Нейросетевая программная технология, обучаемая на принципах случайного поиска | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | В работе рассматривается актуальная прикладная проблема, связанная с программной реализацией нейросетевой технологии, в рамках которой процесс обучения основан на алгоритмах случайного поиска. Обучение нейронных сетей является типичной задачей оптимизации. На начальном этапе развития нейросетевых технологий для решения таких задач традиционно использовались различные варианты градиентных методов. Такие методы, как правило, удовлетворяли требования к задаче по качеству и скорости обучения. Однако с появлением нового класса прикладных задач ситуация изменилась. Традиционный подход к обучению с использованием градиентных методов не всегда соответствовал требованиям прикладной задачи по качеству получаемого решения. В работе предлагается один из вариантов программной реализации нейросетевой технологии (в виде фреймворка) по стандарту ostis 2021, в которой для обучения нейронных сетей используются алгоритмы случайного поиска. | ru_RU |
| Appears in Collections: | OSTIS-2023
|
