Розглянуто класичні приклади побудови та роботи нейронних мереж, в залежності від їх класифікації. Розглянуто основні структурні елементи будь-якої нейронної мережі, та описано їхнє функціональне призначення. Розглянуто два типи нейронних мереж в залежності від типу зв'язку: мережі прямогозв'язку (FNNs) та рекурентні нейронні мережі (RNNs). Для обраних типів мереж наведено Гаусівські функції активації прихованих ланок. Також розглянуто основні типи навчання нейронних мереж такі як: контрольоване, неконтрольоване та підтримуване навчання. Увагу приділено розвитку можливостей нейронних мереж в залежності від обраної архітектури та потреб які виникають перед цифровою спільнотою. Описуються основні тенденції розвитку моделей нейронних мереж, методик їх навчання та роботи з додатковими ресурсами для підтримки ефективної роботи різних видів нейронних мереж. Мета роботи - сформулювати список трендів в розвитку нейронних мереж на 2019 рік, засновуючись на аналізі можливостей та перспектив різних конструкцій та методів навчання нейронних мереж. Проведено аналіз можливостей та продуктивності використання різних типів мереж для однакових цілей.

  Повний текст PDF - 805.003 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"