{"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}
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.