TensorFlow - це механізм машинного навчання та глибокого навчання з відкритим кодом, який є зручним та гнучким для побудови поточної загальноприйнятої моделі глибинного навчання. Нейронна мережа - це класична модель глибинного навчання, перевага якої полягає у її потужних можливостях вилучення конволюційних блоків. Нейронна мережа в найпростішому випадку - математична модель, яка складається з кількох шарів елементів, що виконують паралельні обчислення. Спочатку таку архітектуру було створено за аналогією з дрібними обчислювальними елементами людського мозку - нейронами. Мінімальні обчислювальні елементи штучної нейронної мережі теж називаються нейронами. Нейронні мережі, зазвичай, складаються з трьох або більше шарів: вхідного шару, прихованого шару (або шарів) і вихідного шару. Важливою особливістю нейронної мережі є її вміння навчатися на прикладах, це називається навчанням з учителем. Нейронна мережа навчається на великій кількості прикладів, що складаються з пар вхід-вихід (відповідні один одному вхід і вихід). У задачах розпізнавання об'єктів такою парою буде вхідне зображення і відповідний йому лейбл - назва об'єкта. Навчання нейронної мережі - ітеративний процес, що зменшує відхилення виходу мережі від заданого ("відповіді вчителя") - лейбла, яке відповідає даному зображенню. Цей процес охоплює кроки, названі епохами навчання (вони зазвичай обчислюються тисячами), на кожному з яких відбувається підгонка "ваг" нейронної мережі - параметрів прихованих шарів мережі. Після завершення процесу навчання якість роботи нейронної мережі переважно досить гарна для виконання завдання, під яке її було навчено, хоча оптимальний набір параметрів, котрі ідеально розпізнають усі зображення, часто підібрати неможливо. На основі платформи TensorFlow побудовано модель нейронної мережі з двома згортковими шарами. Модель пройшла навчання та тестування за допомогою набору даних MnisT. Показник точності тесту може досягати 99,15 % і порівняно з коефіцієнтом 98,69 % у моделі з однією згорткою шару показує, що модель нейронної мережі з двома згортаннями має кращу здатність щодо виокремлення ознак і класифікації прийняття рішень.

• Красюк Ірина Василівна (медичні науки)
• Красюк Інна Віталіївна (економічні науки)
• Хоменчук Володимир Олександрович (1974–) (біологічні науки)
• Сторчак Каміла Павлівна (технічні науки)

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