Структурно-параметричний синтез згорткових нейронних мереж в задачах автоматизації виробничих процесів ; Structural-Parametric Synthesis of Convolutional Neural Networks in the Tasks of Production Process Automation
Uložené v:
| Názov: | Структурно-параметричний синтез згорткових нейронних мереж в задачах автоматизації виробничих процесів ; Structural-Parametric Synthesis of Convolutional Neural Networks in the Tasks of Production Process Automation |
|---|---|
| Autori: | Бориндо Ілля Олександрович |
| Informácie o vydavateľovi: | Державний університет "Київський авіаційний інститут" |
| Rok vydania: | 2025 |
| Predmety: | нейронні мережі, згорткові нейронні мережі, розпізнавання образів, багатокритеріальна оптимізація, оптимізація, умови оптимальності, структурно-параметричний синтез, генетичні алгоритми, віртуальна реальність, інтелектуальна обробка інформації, neural networks, convolutional neural networks, pattern recognition, multicriteria optimization, optimization, optimality conditions, structural-parametric synthesis, genetic algorithms, virtual reality, intelligent information processing, 004.93 |
| Popis: | Дисертація на здобуття наукового ступеня кандидата технічних наук. Дисертація містить результати власних досліджень. Використання ідей, результатів і текстів інших авторів мають посилання на відповідне джерело. Науковий керівник: Синєглазов Віктор Михайлович, доктор технічних наук, професор ; У дисертаційній роботі досліджено та розроблено методи структурно-параметричного синтезу згорткових нейронних мереж (ЗНМ) для задач автоматизації виробничих процесів. Обґрунтовано використання багатокритеріальних генетичних алгоритмів (БКГА) для оптимізації архітектури нейронних мереж з метою підвищення їх ефективності, точності та обчислювальної продуктивності. Запропоновано нові підходи до параметричної оптимізації, які дозволяють адаптувати нейромережеві моделі до конкретних виробничих завдань. This dissertation explores and develops methods for the structural parametric synthesis of convolutional neural networks (CNNs) for production process automation. The use of multi-criteria genetic algorithms (MCGA) for optimizing neural network architectures is substantiated to enhance their efficiency, accuracy, and computational performance. New approaches to parametric optimization are proposed, enabling the adaptation of neural network models to specific industrial tasks. |
| Druh dokumentu: | thesis |
| Popis súboru: | application/pdf |
| Jazyk: | Ukrainian |
| Relation: | https://er.nau.edu.ua/handle/NAU/66991 |
| Dostupnosť: | https://er.nau.edu.ua/handle/NAU/66991 |
| Prístupové číslo: | edsbas.D47345C1 |
| Databáza: | BASE |
Nájsť tento článok vo Web of Science Buďte prvý, kto okomentuje tento záznam!