1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 121 — інженерія програмного забезпечення
Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://elartu.tntu.edu.ua/handle/lib/36818
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.advisorБойко, Ігор Володимирович-
dc.contributor.authorЛавренів, Андрій Дмитрович-
dc.contributor.authorLavreniv, Andrii-
dc.date.accessioned2021-12-25T19:28:12Z-
dc.date.available2021-12-25T19:28:12Z-
dc.date.issued2021-12-25-
dc.date.submitted2021-01-25-
dc.identifier.citationЛавренів А. Д. Розробка методів дослідження нейронних мереж з використанням середовища Wolfram Mathematica та мови програмування С++ : кваліфікаційна робота магістра за спеціальністю „121 — інженерія програмного забезпечення“ / А. Д. Лавренів. — Тернопіль: ТНТУ, 2021. — 131 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/36818-
dc.descriptionПрактичним застосуванням є нейроні мережі та методи роботи з ними у системі Wolfram Mathematica. Безпосередня ідея магістерської роботи полягає у розробці програмних засобів для роботи з нейронними мережами у системі Wolfram Mathematica. Також в роботі розв’язується задача із порівняння ефективності роботи основних типів нейронних мереж та встановлюються особливості подання і отримання даних в них. Наукова новизна отриманих в дипломній роботі результатів полягає у тому, що вперше було послідовно розроблено програмні засоби для побудови, аналізу та застосування нейронних мереж з використанням середовища та мови програмування Wolfram Mathematica. Встановлено, що нейронні мережі, які працюють у рамках системи Mathematica мають перспективу застосування до широкого кола прикладних та наукових задачuk_UA
dc.description.abstractМета, яка поставлена в магістерській роботі досягається шляхом виконання таких завдань для середовища Wolfram Mathematica: дослідження основних видів нейронних мереж та способів їх подання; навчання нейронної мережі; формування репозиторію нейронної мережі Wolfram; способи отримання необхідної інформації у нейронній мережі;розробка самостійної LeNet архітектури та MXNet фреймфорку для нейронних мереж.uk_UA
dc.language.isoukuk_UA
dc.publisherТНТУ ім. І Пулюяuk_UA
dc.subject121uk_UA
dc.subjectінженерія програмного забезпеченняuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectхмарні технологіїuk_UA
dc.subjectграфиuk_UA
dc.subjectперсептронuk_UA
dc.subjectмашинне навчанняuk_UA
dc.titleРозробка методів дослідження нейронних мереж з використанням середовища Wolfram Mathematica та мови програмування С++uk_UA
dc.title.alternativeDevelopment of methods for research of neural networks using Wolfram Mathematica and C ++ programming language.uk_UA
dc.typeMaster Thesisuk_UA
dc.coverage.placenameТНТУ ім. І. Пулюяuk_UA
dc.subject.udc004.9uk_UA
dc.subject.udc004.422.81uk_UA
dc.relation.references1. Zielesny, A. (2016). From Curve Fitting to Machine Learning. Intelligent Systems Reference Library. doi:10.1007/978-3-319-32545-3.uk_UA
dc.relation.references2. J. Barrat, Our Final Invention: Artificial Intelligence and the End of the Human Era, New York 2013, Thomas Dunne Books.uk_UA
dc.relation.references3. Freeman J. A. (1994): Simulating Neural Networks with Mathematica, Addison-Wesley, Massachusetts.uk_UA
dc.relation.references4. Haykin S. (2009): Neural Networks and Learning Machines,Third Edition,Prentice Hall,New York, London,Sydney.uk_UA
dc.relation.references5. J. A. Freeman, Simulating Neural Networks with Mathematica, Boston 1993, Addison-Wesley Longman Publishing Co.uk_UA
dc.relation.references6. A. Forsgren, P. E. Gill, M. H. Wright, Interior Methods for Nonlinear Optimization, SIAM Rev. 44 (4), 525-597, 2002.uk_UA
dc.relation.references7. Awange, J., Paláncz, B., & Völgyesi, L. (2020). Hybrid Imaging and Visualization. doi:10.1007/978-3-030-26153-5uk_UA
dc.relation.references8. S. S. Keerthi, E. G. Gilbert, Convergence of a Generalized SMO Algorithm for SVM Classifier Design, Machine Learning 46, 351-360, 2002.uk_UA
dc.relation.references9. Srinivasan J, Han YK and Ong SH (1993): Image reconstruction by a Hopfield neural network, Image and Vision Computing 11(5), pp. 279-282.uk_UA
dc.relation.references10. C. M. Bishop, Pattern Recognition and Machine Learning, New York 2006, Springer.uk_UA
dc.identifier.citationenLavreniv A. D. Development of methods for research of neural networks using Wolfram Mathematica and C ++ programming language: diploma thesis for the qualification level of master of specialty "121 — Software Engineering"/ V. V. Boreiko — Ternopil: TNTU, 2021. — 131 pp.uk_UA
dc.coverage.countryUAuk_UA
Koleksiyonlarda Görünür:121 — інженерія програмного забезпечення

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
Лавренів.pdf10,63 MBAdobe PDFGöster/Aç
Kısa Öğe Kaydını Göster İstatistikler


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.

Yönetim Araçları