Исследование стохастических градиентных методов оптимизации алгоритмов обучения искусственных нейронных сетей

Домашня сторінка
→
Фізико-технічні та математичні науки
→
Відділення інформатики
→
Комп’ютерні засоби, мережі та системи
→
Комп’ютерні засоби, мережі та системи, 2017
→
Комп’ютерні засоби, мережі та системи, 2017, № 16
→
Переглянути статтю

dc.contributor.author	Самолюк, Т.А.
dc.date.accessioned	2018-03-23T19:41:31Z
dc.date.available	2018-03-23T19:41:31Z
dc.date.issued	2017
dc.identifier.citation	Исследование стохастических градиентных методов оптимизации алгоритмов обучения искусственных нейронных сетей / Т.А. Самолюк // Комп’ютерні засоби, мережі та системи. — 2017. — № 16. — С. 97-105. — Бібліогр.: 14 назв. — рос.	uk_UA
dc.identifier.issn	1817-9908
dc.identifier.uri	http://dspace.nbuv.gov.ua/handle/123456789/131514
dc.description.abstract	Проанализированы стохастические градиентные методы оптимизации обучения искусственных нейронных сетей. Значительное внимание уделено методу SAG (стохастического среднего градиента).	uk_UA
dc.description.abstract	Проаналізовано стохастичні градієнтні методи оптимізації навчання штучних нейронних мереж. Значна увага приділена методу SAG (стохастичного середнього градієнта).	uk_UA
dc.description.abstract	Stochastic gradient methods for optimizing the learning of artificial neural networks are analyzed. Considerable attention is paid to the SAG (stochastic mean gradient method).	uk_UA
dc.language.iso	ru	uk_UA
dc.publisher	Інститут кібернетики ім. В.М. Глушкова НАН України	uk_UA
dc.relation.ispartof	Комп’ютерні засоби, мережі та системи
dc.title	Исследование стохастических градиентных методов оптимизации алгоритмов обучения искусственных нейронных сетей	uk_UA
dc.title.alternative	Study of stochastic gradient methods for optimization of algorithms of learning artificial neural networks	uk_UA
dc.type	Article	uk_UA
dc.status	published earlier	uk_UA
dc.identifier.udc	519. 7004. 62