Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43257
Назва: Аналіз методів створення нейронних мереж з використанням мови програмування JavaScript
Інші назви: Analysis of neural networks using JavaScript programming language
Автори: Сербін, Володимир Сергійович
Serbin, Volodymyr
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Бібліографічний опис: Сербін В. С. Аналіз методів створення нейронних мереж з використанням мови програмування JavaScript : кваліфікаційна робота магістра за спеціальністю „126 — інформаційні системи та технології“ / В. С. Сербін. — Тернопіль: ТНТУ, 2023. – 93 с.
Дата публікації: 29-гру-2023
Дата подання: 15-гру-2023
Дата внесення: 2-січ-2024
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Науковий керівник: Готович, Володимир Анатолійович
Члени комітету: Осухівська, Галина Михайлівна
УДК: 004.8
Теми: нейронні мережі
neural networks
моделі нейронних мереж
neural network models
методи розробки нейронних мереж
neural network development methods
згорткові нейронні мережі
convolutional neural networks
рекурентні нейронні мережі
recurrent neural networks
штучний інтелект
artificial intelligence
TensorFlow.js
Brain.js
Короткий огляд (реферат): Кваліфікаційна робота присвячена аналізу методів створення нейронних мереж. В результаті виконання кваліфікаційної роботи здійснено огляд тенденцій розвитку предметної області та проведено аналіз сучасних методів розробки нейронних мереж на прикладі мови програмування JavaScript, в порівнянні з іншими аналогами. В першому розділі кваліфікаційної роботи проведено дослідження предметної області на тему актуальності розробки нейронних мереж. Виділені основні сфери застосування програмних засобів на базі нейронних мереж та виконано аналіз результатів їх застосування. Наведено приклади успішного застосування згорткових, рекурентних та генеративно-змагальних моделей нейронних мереж. Також проведено аналіз впливу нейронних мереж на їх користувачів на основі використання останніми можливостей різних моделей. В другому розділі кваліфікаційної роботи проведено аналіз існуючих методів розробки нейронних мереж та можливості їх застосування для створення рішень штучного інтелекту на основі мови програмування JavaScript. Виконано дослідження моделей розробки нейроних мереж на основі їх параметрів з обґрунтуванням переваг та недоліків кожного, а також можливостей їх використання при розробці нейронної мережі на базі фреймворків мови програмування JavaScript. В третьому розділі кваліфікаційної роботи наведено приклад практичного застосування розглянутих інструментів та проаналізованих методів розробки нейронних мереж при створенні програмного рішення. Виконано тестування створеного програмного рішення та аналіз отриманих результатів. В четвертому розділі кваліфікаційної роботи описані основні аспекти охорони праці в предметній області. Розглянуто способи виконання завдання з підвищення стійкості роботи об’єктів приладобудування у воєнний час. The qualification work is devoted to the analysis of methods of creating neural networks. As a result of the qualification work, an overview of the development trends of the subject area was carried out and an analysis of modern methods of developing neural networks was carried out using the example of the JavaScript programming language, in comparison with other analogues. In the first section of the qualification work, a study of the subject area was carried out on the topic of the relevance of the development of neural networks. The main areas of application of software tools based on neural networks are highlighted and the results of their application are analyzed. Examples of successful application of convolutional, recurrent, and generative-competitive models of neural networks are given. An analysis of the influence of neural networks on their users was also carried out based on the latter's use of the capabilities of various models. In the second section of the qualification work, an analysis of the existing methods of developing neural networks and the possibility of their application for creating artificial intelligence solutions based on the JavaScript programming language was carried out. The study of neural network development models based on their parameters with justification of the advantages and disadvantages of each, as well as the possibilities of their use in the development of a neural network based on the frameworks of the JavaScript programming language, was carried out. In the third section of the qualification work, an example of the practical application of the considered tools and analyzed methods of developing neural networks in the creation of a software solution is given. Testing of the created software solution and analysis of the obtained results was performed. The fourth chapter of the qualification work describes the main aspects of labor protection in the subject area. Ways of performing the task of increasing the stability of the operation of instrument-making objects in wartime are considered.
Зміст: ВСТУП 9 1 АНАЛІЗ ЛІТЕРАТУРНИХ ДЖЕРЕЛ ПО ТЕМІ ДОСЛІДЖЕННЯ 13 1.1 Обґрунтування актуальності розробки нейронних мереж 13 1.2 Інтеграція поширених моделей нейронних мереж у секторі безпеки 18 1.3 Аналіз результатів прогнозування із застосуванням нейронних мереж 23 1.4 Дослідження тенденцій поширення нейронних мереж в сфері інформаційних технологій та в інших сферах 28 1.5 Аналіз ризиків впливу нейронних мереж на життєдіяльність людини 35 1.6 Висновок до першого розділу 38 2 АНАЛІЗ МЕТОДІВ СТВОРЕННЯ НЕЙРОННИХ МЕРЕЖ 39 2.1 Обґрунтування вибору платформи JavaScript 39 2.2 Аналіз методів створення та навчання нейронних мереж 41 2.3 Дослідження фреймворків для розробки нейронних мереж на мові програмування JavaScript 54 2.4 Висновок до другого розділу 60 3 СТВОРЕННЯ НЕЙРОННИХ МЕРЕЖ НА МОВІ ПРОГРАМУВАННЯ JAVASCRIPT 61 3.1 Визначення вимог до розробки нейронних мереж 61 3.2 Процес розробки нейронних мереж на мові програмування JavaScript 63 3.3 Висновок до третього розділу 77 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 78 4.1 Охорона праці 78 4.2 Безпека в надзвичайних ситуаціях 82 4.3 Висновок до четвертого розділу 85 ВИСНОВКИ 86 ПЕРЕЛІК ДЖЕРЕЛ 88 ДОДАТКИ
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/43257
Власник авторського права: © Сербін Володимир Сергійович, 2023
Перелік літератури: 1. ШІ назавжди: роль машинного навчання у реагуванні на гуманітарні кризи. [Електронний ресурс] // AIBusiness – 2022. – Режим доступу: https://aibusiness.com/ml/ai-for-good-the-role-of-machine-learning-in-responding-to-humanitarian-crises
2. Фабіо Ругге. ШІ в епоху кібербезладу. Актори, тенденції та перспективи / Фабіо Ругге. – Мілан: Ledizioni, 2020. – 5 с.
3. Gas Consumption Forecasting Using Machine Learning Methods and Taking into Account Climatic Indicators. Shymchuk, G., Lytvynenko, I., Hromyak, R., Lytvynenko, S., Hotovych, V. The 1st International Workshop on Computer Information Technologies in Industry 4.0, CITI 2023. Ternopil 14 -16 June 2023. Vol. 3468, pp. 156-163. URL: https://ceur-ws.org/Vol-3468/short8.pdf
4. Simulation of cyclic signals (generalized approach). Lupenko, S., Lytvynenko, I., Hotovych, V. 4th International Conference on Informatics and Data-Driven Medicine, IDDM 2021. Valencia. 19 November 2021. CEUR Workshop Proceedings. Vol. 3038, P. 86-92. ISSN 1613-0073 URL: https://ceur-ws.org/Vol-3038/short2.pdf
5. Lupenko S., Lytvynenko Ia., Hotovych V., Zozulia A., Chizoba N., Volyanyk O. (2021) Concept of design, requirements and generalized architectures of components of the integrated onto-oriented information environment of simulation and processing of cyclic signals. Scientific Journal of TNTU (Tern.), vol 102, no 2, pp. 147–160.
6. Volodymyr Gotovych, Oleg Nazarevych, Leonid Shcherbak (2018) Mathematical modeling of the regular-mode electric power supply and electric power consumption processes of the organization. Scientific Journal of TNTU (Tern), vol 91, No 3, pp. 134–142. URL: https://doi.org/10.33108/visnyk_tntu2018.03.134
7. Штучні нейронні мережі: перспективи використання в правоохоронній діяльності. [Електронний ресурс] // Маєтний М. І. – 2021. – Режим доступу до ресурсу: http://surl.li/fcyiy
8. FacePlusPlus. [Електронний ресурс] // MEGVII – 2023. – Режим доступу до ресурсу: https://www.faceplusplus.com.cn/
9. Y. Tiumentsev, M. Egorchev. Neural Network Modeling and Identification of Dynamical Systems. / Y. Tiumentsev, M. Egorchev. – Cambridge: Academic Press, 2019. – 4 p.
10. Використання нейронних мереж для прогнозування у фінансовій сфері. [Електронний ресурс] // Мозолевська М. О., Ставицький О. В. – 2017. – Режим доступу: https://ela.kpi.ua/bitstream/123456789/22609/1/2017-11_5-07.pdf
11. Mingxi Wu. Intelligent Warfare: Prospects Of Military Development In The Age of AI. / Mingxi Wu. – London: Routledge, 2023. – 201 p.
12. Ефективність використання штучних нейронних мереж в економіці. [Електронний ресурс] // Василенко О. О., Іващенко Р. М., Бурлєєв О. Л. – 2021. – Режим доступу: http://surl.li/nbluh
13. Що таке нейронна мережа: простими словами. [Електронний ресурс] // FutureNow. – 2023. – Режим доступу: https://futurenow.com.ua/shho-take-nejronna-merezha-prostymy-slovamy/
14. Готович В.А., Мачужак А.В. Застосування методології CI/CD для автоматизації процесів тестування та розгортання програмного забезпечення. Матеріали XІ Міжнародної науково-практичної конференції молодих учених та студентів «АКТУАЛЬНІ ЗАДАЧІ СУЧАСНИХ ТЕХНОЛОГІЙ» – Тернопіль, 7-8 грудня 2022 року. С.131-132.
15. Peter Lee, Carey Goldberg, Isaac Kohane. The AI Revolution in Medicine: GPT-4 and Beyond. / Peter Lee, Carey Goldberg, Isaac Kohane. – London: Pearson, 2023. – 304 p.
16. Використання нейронних мереж – перспективна сфера науки і суспільства. [Електронний ресурс] // Neasmo. – 2021. – Режим доступу: http://oldconf.neasmo.org.ua/node/139
17. Кнаппертсбуш І., Гондлах К. Робота і AI 2030. Виклики та стратегії для завтрашньої роботи. / Кнаппертсбуш І., Гондлах К. – Франкфурт: Springer, 2023. – 4 с.
18. Chat-GPT. Chat-GPT & AI Technology Application for Students. / Chat-GPT. Ver: Artificial Intelligence Advisor, 2023. – 8 p.
19. Mike McGrath. HTML, CSS and JavaScript in Easy Steps. / Mike McGrath. – Royal-Leamington-Spa: In Easy Steps, 2020. – 10 p.
20. John Dean. Web Programming with HTML5, CSS, and JavaScript. / John Dean. – Boston: Jones & Bartlett Publishers, 2019. – 20 p.
21. Бібліотека Brain.js – [Електронний ресурс] // W3SchoolsUA. – 2023. – Режим доступу: https://w3schoolsua.github.io/ai/ai_brainjs.html#gsc.tab=0
22. Ekaba Bisong. Building Machine Learning and Deep Learning Models on Google Cloud Platform with JavaScript. / Ekaba Bisong: – New-York: Apress, 2019. – 4 p.
23. Igor Farkaš, Paolo Masulli, Stefan Wermter. Artificial Neural Networks and Machine Learning – ICANN 2020: 29th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 15–18, 2020, Proceedings, Part I. / Igor Farkaš, Paolo Masulli, Stefan Wermter – Frankfurt: Springer, 2020. – 103 p.
24. Igor Farkaš, Paolo Masulli, Stefan Wermter. Artificial Neural Networks and Machine Learning – ICANN 2020: 29th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 15–18, 2020, Proceedings, Part IІ. / Igor Farkaš, Paolo Masulli, Stefan Wermter – Frankfurt: Springer, 2020. – 48 p.
25. Patel Ankur A. Praxisbuch Unsupervised Learning: Machine-Learning-Anwendungen für ungelabelte Daten mit Python programmieren. / Patel Ankur A. – Sebastopol: O’Reilly Media, 2020. – 10 p.
26. Ronald T. Kneusel. How AI Works From Sorcery to Science by Ronald T. Kneusel Chapter 2. / Ronald T. Kneusel. – San-Francisco: No Starch Press, 2023. – 8 p.
27. Rajalingappaa Shanmugamani, Abdul Ghani Abdul Rahman, Stephen Maurice Moore, Nishanth Koganti. Deep Learning for Computer Vision. / Rajalingappaa Shanmugamani, Abdul Ghani Abdul Rahman, Stephen Maurice Moore, Nishanth Koganti. – Bermingem: Packt Publishing, 2018 – 23 p.
28. James McCaffrey. Neural Networks with JavaScript Succinctly. / James McCaffrey. Morrisville: Syncfusion, 2019. – 8 p.
29. Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola. Dive into Deep Learning. / Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola. – Kitchener: D2L, 2021 – 12 p.
30. David Foster. Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play. / David Foster – Sebastopol: O’Reilly Media, 2019 – 9 p.
31. Rafael Valle. Hands-On Generative Adversarial Networks with Keras. / Rafael Valle. – Bermingem: Packt Publishing, 2019 – 22 p.
32. Marc Peter Deisenroth, A. Aldo Faisal та Cheng Soon Ong. Mathematics for Machine Learning. / Marc Peter Deisenroth, A. Aldo Faisal та Cheng Soon Ong. – Cambridge: Cambridge University Press, 2019. – 5 p.
33. Delip Rao, Brian McMahan. Natural Language Processing with PyTorch. / Delip Rao, Brian McMahan. – Sebastopol: O’Reilly Media, 2019. – 11 p.
34. Sebastian Raschka, Vahid Mirjalili. Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-Learn. / Sebastian Raschka, Vahid Mirjalili. – Cambridge: MIT Press, 2021. – 11 p.
35. Маккафрі Д. Нейронні мережі з JavaScript. Коротко. – М.: Syncfusion, 2019. – 3 p.
36. Що таке нейронна мережа? [Електронний ресурс] – Режим доступу: https://aws.amazon.com/ru/what-is/neural-network/
37. Кравченко В. Що таке нейронні мережі та як вони працюють? [Електронний ресурс] – Режим доступу: http://surl.li/fcypt
38. Gant Laborde. Practical TensorFlow.js: Deep Learning in Web App Development. Gant Laborde. – New-York: Apress, 2021 – 15 p.
39. Juan De Dios Santos Rivera. Learning Tensorflow.js: Powerful Machine Learning in JavaScript. / Juan De Dios Santos Rivera. – Sebastopol: O’Reilly Media, 2020. – 31 p.
40. Practical Machine Learning in JavaScript: TensorFlow.js for Web Developers. / Charlie Gerard. – New-York: Apress, 2020 – 12 p.
41. Чень Хуіань. Підручник із веб-дизайну JavaScript і застосування штучного інтелекту TensorFlow.js. / Чень Хуіань. – Шанхай: Qi Feng, 2020. – 5 с.
42. Shanqing Cai, Stan Bileschi, Eric Nielsen. Deep Learning with JavaScript: Neural networks in TensorFlow.js. / Shanqing Cai, Stan Bileschi, Eric Nielsen. – New-York: Manning Publications, 2020. – 15 p.
43. Aurélien Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. / Aurélien Géron. – Sebastopol: O’Reilly Media, Sebastopol, 2019. – 17 p.
44. Jorge D. Rios, Alma Y. Alanis, Nancy Arana-Daniel, Carlos Lopez-Franco. Neural Networks Modeling and Control: Applications for Unknown Nonlinear Delayed Systems in Discrete Time. / Jorge D. Rios, Alma Y. Alanis, Nancy Arana-Daniel, Carlos Lopez-Franco – Cambridge: Academic Press, 2020. – 18 p.
45. Проблема зникання градієнту [Електронний ресурс] // Wikipedia. – 2023. – Режим доступу до ресурсу: https://cutt.ly/IwDgUkbY
46. Градієнтний спуск [Електронний ресурс] // robot_dreams. – 2023. – Режим доступу до ресурсу: https://robotdreams.cc/uk/blog/331-gradiyentniy-spusk-algoritm-ta-priklad-na-python
47. Transfer Learning [Електронний ресурс] // brain_leo – 2020. – Режим доступу до ресурсу: https://habr.com/ru/articles/526786/
48. Умови праці працівників, які використовують у роботі персональні комп’ютери [Електронний ресурс] // Золочів.нет. – 2019. – Режим доступу до ресурсу: https://zolochiv.net/umovy-pratsi-pratsivnykiv-iaki-vykorystovuiut-u-roboti-personal-ni-komp-iutery/
49. Робота за комп’ютером, наслідки та поради [Електронний ресурс] // АПАУ. – 2021. – Режим доступу до ресурсу: https://cutt.ly/twDgKv06
50. Організація робрчого місця оператора з обробки інформації та програмного забезпечення [Електронний ресурс] // Сонгрова О. В. – 2021. – Режим доступу до ресурсу: https://naurok.com.ua/organizaciya-robrchogo-miscya-operatora-z-obrobki-informaci-ta-programnogo-zabezpechennya-249780.html
51. Організація робочого місця оператора ПК [Електронний ресурс] // Studcon. – 2021. – Режим доступу до ресурсу: http://studcon.org/organizaciya-robochogo-miscya-operatora-pk
52. Охорона праці в офісі. Вимоги до робочого місця офісного працівника [Електронний ресурс] // AGN International. – 2021. – Режим доступу до ресурсу: https://gc.ua/uk/oxorona-praci-v-ofisi-vimogi-do-robochogo-miscya-ofisnogo-pracivnika/
53. Указ президента України 479/2021 [Електронний ресурс] // Зеленський В. – 2021. – Режим доступу до ресурсу: https://www.president.gov.ua/documents/4792021-40181
54. Маскування військ та об’єктів [Електронний ресурс] // G7 Сиили ТрО ЗСУ. – 2022. – Режим доступу до ресурсу: https://sprotyvg7.com.ua/lesson/maskuvannya-vijsk-ta-obyektiv
55. Указ президента України [Електронний ресурс] // Зеленський В. – 2021. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/show/479/2021#Text
Тип вмісту: Master Thesis
Розташовується у зібраннях:126 — інформаційні системи та технології

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2023_STm_61_Serbin_V_S.pdf1,68 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора