| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Mākslīgā vektora neirona koncepcijas izstrāde un pareizības pārbaude daudzslāņu tīklos |
| Nosaukums angļu valodā |
Development of Artificial Vector Neuron Concept and its Proof in Multilayer Networks |
| Struktūrvienība |
12300 Lietišķo datorsistēmu institūts |
| Darba vadītājs |
Jānis Grundspeņķis |
| Recenzents |
Ē.Nazaruka, Lietišķo datorzinātņu katedras asoc.profesore |
| Anotācija |
Mākslīgā neironu tīkla (MNT) skaitļošanas elementus implementē ar dažādām vektora argumenta skalāra funkcijām. Darba ietvaros ir izstrādāta jauna mākslīgā neirona interpretācija, kas paredz vektora funkcijas lietošanu neirona darbības principu aprakstam un dod iespēju izmantot iekšējo tīklu kā neironu tīkla mezglu. Tiek izstrādāti un formalizēti dažādi vektora MNT modeļi, uzrakstītas metodes vektora MNT projektēšanai Tensorflow mašīnmācīšanās platformā, kas ir publiski pieejamas citu pētījumu veikšanai. Tiek veikta skalāra un vektora modeļu empīriskā salīdzināšana, no kās seko, ka vektora MNT var lietot pilnīgi saistīto tīklu vietā bez prognozēšanas kļūdas palielināšanas un mācīšanas laika pagarināšanas.
Darba pamattekstā ir 95 lappuses, 35 attēli, 10 tabulas un 48 informācijas avoti. |
| Atslēgas vārdi |
VEKTORA NEIRONS, MĀKSLĪGAIS NEIRONU TĪKLS, MAŠĪNMĀCĪŠANĀS, DAUDZSLĀŅU TĪKLI, AKTIVIZĀCIJAS FUNKCIJA |
| Atslēgas vārdi angļu valodā |
VECTOR NEURON, ARTIFICIAL NEURAL NETWORK, MACHINE LEARNING, MULTILAYER NETWORK, ACTIVATION FUNCTION |
| Valoda |
lv |
| Gads |
2021 |
| Darba augšupielādes datums un laiks |
31.05.2021 02:41:04 |
