{"title":"神经网络软件工具概述","authors":"О. Г. ЗІНОВ’ЄВА","doi":"10.35546/kntu2078-4481.2024.2.22","DOIUrl":null,"url":null,"abstract":"Одними з найважливіших областей досліджень та розробок сучасної кібернетики є галузі машинного навчання, розпізнавання образів та комп’ютерного зору. Прискорення темпів розвитку технологій інформаційного суспільства, розвиток робототехніки, розвиток концепцій «розумний дім» та «розумне місто», розвиток інтернету речей та систем штучного інтелекту визначають цій галузі особливе місце в сучасному науковому знанні. Багато прикладних завданнях у практиці сучасного програмування використовуються методи збору даних, кластеризації і класифікації, методи статистичного вывода. У повсякденне життя, як і в корпоративне, і в промислове середовище починають впроваджуватися технології, що поступово стирають межу між реальним і віртуальним простором, що вимагає нового якісного рівня повсюдно впроваджуваних технологій розпізнавання, чия сфера застосування останніми роками виросла колосально: завдання розпізнавання, що вважалися найскладнішими раніше. сьогодні цілодобово вирішуються мобільними пристроями пересічних громадян. Комп’ютеризовані простори з вираженою топологією, такі як «розумний дім» рядового користувача, розрахована на багато користувачів доповнена і розрахована на багато користувачів віртуальна реальності різного ступеня занурення, ускладнюється штучний інтелект в комп’ютерних іграх різного призначення вимагають нових ідей і підходів, нового рівня точності і швидкості розпізнавання. Ця стаття присвячена порівняльному аналізу деяких програмних інструментів глибокого навчання, яких останнім часом з’явилося безліч [1]. До таких інструментів відносяться програмні бібліотеки, розширення мов програмування, а також самостійні мови, що дозволяють використовувати готові алгоритми створення та навчання нейромережевих моделей. Існуючі інструменти глибокого навчання мають різний функціонал та вимагають від користувача різного рівня знань та навичок. Правильний вибір інструмента – важливе завдання, що дозволяє досягти необхідного результату за найменший час і з меншою витратою сил.","PeriodicalId":518826,"journal":{"name":"Вісник Херсонського національного технічного університету","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2024-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ОГЛЯД ПРОГРАМНИХ ЗАСОБІВ ДЛЯ РОБОТИ З НЕЙРОННИМИ МЕРЕЖАМИ\",\"authors\":\"О. Г. ЗІНОВ’ЄВА\",\"doi\":\"10.35546/kntu2078-4481.2024.2.22\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Одними з найважливіших областей досліджень та розробок сучасної кібернетики є галузі машинного навчання, розпізнавання образів та комп’ютерного зору. Прискорення темпів розвитку технологій інформаційного суспільства, розвиток робототехніки, розвиток концепцій «розумний дім» та «розумне місто», розвиток інтернету речей та систем штучного інтелекту визначають цій галузі особливе місце в сучасному науковому знанні. Багато прикладних завданнях у практиці сучасного програмування використовуються методи збору даних, кластеризації і класифікації, методи статистичного вывода. У повсякденне життя, як і в корпоративне, і в промислове середовище починають впроваджуватися технології, що поступово стирають межу між реальним і віртуальним простором, що вимагає нового якісного рівня повсюдно впроваджуваних технологій розпізнавання, чия сфера застосування останніми роками виросла колосально: завдання розпізнавання, що вважалися найскладнішими раніше. сьогодні цілодобово вирішуються мобільними пристроями пересічних громадян. Комп’ютеризовані простори з вираженою топологією, такі як «розумний дім» рядового користувача, розрахована на багато користувачів доповнена і розрахована на багато користувачів віртуальна реальності різного ступеня занурення, ускладнюється штучний інтелект в комп’ютерних іграх різного призначення вимагають нових ідей і підходів, нового рівня точності і швидкості розпізнавання. Ця стаття присвячена порівняльному аналізу деяких програмних інструментів глибокого навчання, яких останнім часом з’явилося безліч [1]. До таких інструментів відносяться програмні бібліотеки, розширення мов програмування, а також самостійні мови, що дозволяють використовувати готові алгоритми створення та навчання нейромережевих моделей. Існуючі інструменти глибокого навчання мають різний функціонал та вимагають від користувача різного рівня знань та навичок. Правильний вибір інструмента – важливе завдання, що дозволяє досягти необхідного результату за найменший час і з меншою витратою сил.\",\"PeriodicalId\":518826,\"journal\":{\"name\":\"Вісник Херсонського національного технічного університету\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-07-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Вісник Херсонського національного технічного університету\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35546/kntu2078-4481.2024.2.22\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Вісник Херсонського національного технічного університету","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35546/kntu2078-4481.2024.2.22","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

现代控制论的一些最重要的研究和发展领域是机器学习、模式识别和计算机视觉。信息社会技术的加速发展、机器人技术的发展、智能家居和智能城市概念的发展、物联网和人工智能系统的发展,使这一领域在现代科学知识中占有特殊的地位。现代程序设计实践中的许多应用任务都会用到数据收集、聚类和分类方法以及统计推断方法。在日常生活以及企业和工业环境中,技术的引入逐渐模糊了现实空间和虚拟空间之间的界限,这就要求无处不在的识别技术达到一个新的质量水平,其范围在最近几年有了巨大的增长:以前被认为是最困难的识别任务现在可以通过普通公民的移动设备全天候地解决。具有独特拓扑结构的计算机化空间(如普通用户的 "智能家居")、具有不同沉浸度的增强型和多人虚拟现实,以及用于各种目的的计算机游戏中日益复杂的人工智能,都需要新的思路和方法、新的识别精度和速度。本文主要对最近大量出现的一些深度学习软件工具进行比较分析[1]。这些工具包括软件库、编程语言扩展和独立语言,可以使用现成的算法创建和训练神经网络模型。现有的深度学习工具功能各异,对用户的知识和技能要求也不同。选择合适的工具是一项重要的任务,它能让你在最短的时间内,事半功倍地达到预期效果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
ОГЛЯД ПРОГРАМНИХ ЗАСОБІВ ДЛЯ РОБОТИ З НЕЙРОННИМИ МЕРЕЖАМИ
Одними з найважливіших областей досліджень та розробок сучасної кібернетики є галузі машинного навчання, розпізнавання образів та комп’ютерного зору. Прискорення темпів розвитку технологій інформаційного суспільства, розвиток робототехніки, розвиток концепцій «розумний дім» та «розумне місто», розвиток інтернету речей та систем штучного інтелекту визначають цій галузі особливе місце в сучасному науковому знанні. Багато прикладних завданнях у практиці сучасного програмування використовуються методи збору даних, кластеризації і класифікації, методи статистичного вывода. У повсякденне життя, як і в корпоративне, і в промислове середовище починають впроваджуватися технології, що поступово стирають межу між реальним і віртуальним простором, що вимагає нового якісного рівня повсюдно впроваджуваних технологій розпізнавання, чия сфера застосування останніми роками виросла колосально: завдання розпізнавання, що вважалися найскладнішими раніше. сьогодні цілодобово вирішуються мобільними пристроями пересічних громадян. Комп’ютеризовані простори з вираженою топологією, такі як «розумний дім» рядового користувача, розрахована на багато користувачів доповнена і розрахована на багато користувачів віртуальна реальності різного ступеня занурення, ускладнюється штучний інтелект в комп’ютерних іграх різного призначення вимагають нових ідей і підходів, нового рівня точності і швидкості розпізнавання. Ця стаття присвячена порівняльному аналізу деяких програмних інструментів глибокого навчання, яких останнім часом з’явилося безліч [1]. До таких інструментів відносяться програмні бібліотеки, розширення мов програмування, а також самостійні мови, що дозволяють використовувати готові алгоритми створення та навчання нейромережевих моделей. Існуючі інструменти глибокого навчання мають різний функціонал та вимагають від користувача різного рівня знань та навичок. Правильний вибір інструмента – важливе завдання, що дозволяє досягти необхідного результату за найменший час і з меншою витратою сил.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
COMPARISON OF MESSAGE PASSING SYSTEMS IN CONTEXT OF ADAPTIVE LOGGING METHOD МЕТОДИЧНИЙ ПІДХІД ДО ОЦІНЮВАННЯ АДАПТАЦІЙНОГО ПОТЕНЦІАЛУ ЗАБЕЗПЕЧЕННЯ АНТИКРИЗОВОЇ СТІЙКОСТІ ТУРИСТИЧНОГО ПІДПРИЄМСТВА ВІД ПЕТРА І ДО СУЧАСНОЇ РОСІЇ: ІМПЕРСЬКІ ТРАДИЦІЇ ТА ОЗНАКИ ОСОБЛИВОСТІ ФОРМУВАННЯ ЕНЕРГЕТИЧНОЇ АВТОНОМІЇ В УКРАЇНІ УДОСКОНАЛЕННЯ АВТОМАТИЗОВАНОГО ПРОЦЕСУ ВИЗНАЧЕННЯ ДІЛЯНОК ТА МІСЦЬ КОНЦЕНТРАЦІЇ ДОРОЖНЬО-ТРАНСПОРТНИХ ПРИГОД НА ТЕРИТОРІЇ ІВАНО-ФРАНКІВСЬКОЇ МІСЬКОЇ ТЕРИТОРІАЛЬНОЇ ГРОМАДИ
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1