Карточка | Таблица | RUSMARC | |
Якшигулова, Гульназ Салаватовна. Применение нейронных сетей для ранней диагностики рака почки: выпускная квалификационная работа магистра. Направление подготовки (специальность) 01.04.02 Прикладная математика и информатика. Направленность (профиль): Математическое моделирование, численны методы и комплексы программ [Электронный ресурс] / Г. С. Якшигулова; БашГУ, Фак. математики и информационных технологий, Каф. программирования и экономической информатики ; науч. рук. В. И. Луценко. — Уфа, 2018. — 68 с.: ил. — <URL:https://elib.bashedu.ru/dl/diplom/Yakshigulova_GS_01_04_02_Prikladnaya_matematika_i_informatika_mag_2018.pdf>.Дата создания записи: 30.08.2018 Тематика: Вычислительная техника — Имитационное компьютерное моделирование; магистратура; ВКР; нейронные сети; функции активации; метод кросс-валидации УДК: 004.94 ББК: 32.973-018.2 Коллекции: Магистерские диссертации; Общая коллекция Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему и будете работать на компьютерах в читальных залах Библиотеки
Группа: Анонимные пользователи Сеть: Интернет |
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть Библиотеки | Аутентифицированные пользователи | |||||
Локальная сеть Библиотеки | Все | |||||
Интернет | Аутентифицированные пользователи | |||||
Интернет | Все |
Оглавление
- ВВЕДЕНИЕ
- 1. Основы искусственных нейронных сетей
- 1.1 Постановка задачи
- 1.2 Искусственные нейронные сети и их применение
- 1.3 Биологические основы функционирования нейрона
- 1.4 Принцип организации искусственного нейрона
- 1.4. Виды функции активации
- 1.5 Архитектура и классы нейронных сетей
- 1.5.1 Однослойная нейронная сеть
- 1.5.2 Многослойная нейронная сеть
- 1.4.3 Рекуррентная нейронная сеть
- 2. Классификация нейронных сетей
- 2.1 Однослойный персептрон
- 2.2 Многослойный персептрон
- 2.3 Вероятностные нейронные сети
- 2.4 Радиальные базисные функции
- 2.5 Сеть Кохонена
- 3. Обучение нейронной сети
- 3.1 Метод обратного распространения
- 3.2 Метод кросс-валидации
- 3.3 Метод сопряженных градиентов
- 3.4 Метод Адама
- 4. Программные интерфейсы для обучения нейронных сетей
- 4.1 TensorFlow
- 4.2 Keras
- 4.3 Pandas
- 4.4 Процедуры решения поставленной задачи
- 4.4.1 Преобразование первичных данных
- 4.4.2 Создание модели нейронной сети
- 4.4.3 Обучение нейронной сети и оценка результата
- 4.5 Тестирование нейронной сети
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ
- СЛОВАРЬ ТЕРМИНОВ
- ПРИЛОЖЕНИЕ
Статистика использования
Количество обращений: 4
За последние 30 дней: 0 Подробная статистика |