Tag: нейронні мережі

Використання згорткових нейронних мереж у розпізнаванні текстів

Автор:

Бібліографічний опис статті:

. Використання згорткових нейронних мереж у розпізнаванні текстів//Наука онлайн: Міжнародний електронний науковий журнал - 2021. - №11. - https://nauka-online.com/publications/information-technology/2021/11/20-5/

Анотація: В статті проводиться дослідження використання згорткових нейронних мереж при розпізнаванні образів, тексту, звуків, тощо. Приводяться математичні моделі, які використовуються при побудові нейронної мережі та наводяться приклади використання таких моделей у реальному житті. У якості заключення проводиться аналіз можливостей використання нейронних мереж при створенні програмних застосунків.

Класифікація гістологічних зображень раку простати

Автор:

Бібліографічний опис статті:

. Класифікація гістологічних зображень раку простати//Наука онлайн: Міжнародний електронний науковий журнал - 2021. - №10. - https://nauka-online.com/publications/other/2021/10/18-5/

Анотація: Щорічно повідомляється більше 1 мільйона нових діагнозів, рак простати є другим за поширеністю онкологічним захворюванням серед чоловіків у всьому світі, що призводить до понад 350 000 смертей щорічно. Класичним методом діагностики та прогнозування є система оцінки Глісона. У цьому процесі патологоанатоми вручну аналізують зразки біопсії простати під мікроскопом, що займає багато часу і не виключає ризику отримання невірного результату. Для допомоги патологоанатомам були розроблені алгоритми глибокого навчання для виявлення раку. Багато сучасних моделей є згортковими нейронними мережами на основі патчів. Системи на основі патчів зазвичай вимагають детальних анотацій на рівні пікселів для ефективного навчання. Однак такі анотації рідко є доступними, на відміну від клінічних звітів патологів, які містять мітки на рівні слайдів. Таким чином, розробка алгоритмів, які не потребують ручних піксельних анотацій, але можуть використовувати лише клінічний звіт, була б значним прогресом у цій галузі. Проте ці анотації є важливими для надійної роботи систем комп'ютерної діагностики, оскільки вони дають пояснення результатів і дають впевненість патологоанатомам, що модель зосереджена на важливих ознаках зображення. Тому ми пропонуємо нову weakly-supervised модель глибокого навчання, основану на самонавчальних згорткових нейронних мережах, які використовують тільки глобальну оцінку Глісона гігапіксельних зображень під час навчання, щоб точно виконувати класифікацію патернів на рівні патчів. В цій статті ми пропонуємо використати підхід, який використовує самотреновані згорткові нейронні мережі на основі парадигми машинного навчання за набором зразків.

Ефективність використання нейромережевих моделей для прогнозування руху цін, акцій компаній на ринку

Автор: та

Бібліографічний опис статті:

та . Ефективність використання нейромережевих моделей для прогнозування руху цін, акцій компаній на ринку//Наука онлайн: Міжнародний електронний науковий журнал - 2019. - №6. - https://nauka-online.com/publications/information-technology/2019/6/efektivnist-vikoristannya-nejromerezhevih-modelej-dlya-prognozuvannya-ruhu-tsin-aktsij-kompanij-na-rinku/

Анотація: У роботі були розглянуті моделі прогнозування фінансових часових рядів. Проаналізовано методи стандартного інтелектуального аналізу даних та його взаємодія з методами обчислювального інтелекту для вирішення задач прогнозування.

Використання каскадних нео-фаззі нейронних мереж для прогнозу

Автор:

Бібліографічний опис статті:

. Використання каскадних нео-фаззі нейронних мереж для прогнозу//Наука онлайн: Міжнародний електронний науковий журнал - 2018. - №7. - https://nauka-online.com/publications/technical-sciences/2018/7/vikoristannya-kaskadnih-neo-fazzi-nejronnih-merezh-dlya-prognozu/

Анотація: У статті розглянута каскадна нео-фаззі нейронна мережа, зроблені висновки о точності моделі при різній кількості правил та входів. Розглянута робота моделі при прогнозі промислового індексу Доу-Джонса.

Підготуйте

наукову статтю на актуальну тему, відповідно до роздлів журналу

Відправте

наукову статтю на e-mail: editor@inter-nauka.com

Читайте

Вашу статтю на сайті нашого журналу та отримайте сертифікат