Total number
Full text
Total number
Full text
Number of local repositories
Full text
0823U100468,
Доктор філософії
15-12-2022
o
Sparse Distributed Representation of Structured Data in Neural Networks
Vdovychenko Ruslan Oleksandrovych,
popup.head Tulchynsky Vadym Hryhorovych
popup.opponent Stirenko Sergii Hryhorovych
popup.opponent Revunova Olena H.
popup.review Gupal Anatoliy Mykhailovych
popup.review Norkin Volodymyr Ivanovych
Дисертаційна робота присвячена дослідженню феноменологічних моделей пам’яті людини та тварин шляхом подання в нейронних мережах даних, що мають певну структуру (ієрархічну, семантичну тощо). Основним завданням дисертаційної роботи є побудова та аналіз гібридного семантичного сховища, яке би мало можливість зберігати цілісні дані (наприклад, структури взаємопов’язаних і послідовних пар ключ-значення) у нейронній мережі. Конструкції пам’яті для вирішення такої задачі пропонувались у 1990-их, проте не є практичними через недостатню масштабованість та низьку щільність зберігання. Запропонована модель CS-SDM за рахунок використання третьої теорії - стискаючих вимірювань - заповнює існуючий розрив між двома феноменологічними підходами до моделювання біологічної пам’яті. Усе вище перераховане зумовлює актуальність дисертаційної роботи. Наукова новизна роботи полягає в розробці та дослідженні характеристик нової гібридної моделі розріджено-розподіленої пам’яті CS-SDM. Ця модель вперше поєднала два напрями феноменологічного моделювання пам’яті, забезпечивши умови ефективного використання розріджено-розподіленої пам'яті типу SDM. Також уперше було запропоноване застосування теорії стискаючих вимірювань (CS) для моделювання природної пам'яті. Ефективність CS-SDM доведена як формально, так і експериментально. CS-SDM є першою штучною нейромережею, що у повній мірі та з практично придатною ємністю дозволяє зберегати структуровані данні, тобто придатна для збереження семантики. Модель CS-SDM має ряд прикладів застосування. CS-SDM з практично придатною ємністю дозволяє зберігати струкуровані данні, що відкриває перспективи її використання у різноманітних задачах штучного інтелекту та як складової нейромережних моделей у машинному навчанні. Також CS-SDM може використовуватись у тих галузях людської діяльності, де застосовується штучний інтелект: робототехніці, семантичному пошуку, генерації контенту у соціальних мережах, медичної діагностики тощо. В ході дослідження була розроблена програмна бібліотека з відкритими кодами, що реалізує CS-SDM на графічних процесорах (на платформі NVIDIA CUDA) і також містить реалізації адаптованих до збереження розріджених векторів конструкцій SDM Канерви і Джекела. Бібліотека впроваджена у складі Базового програмного забезпечення суперкомп'ютерного комплексу СКІТ у Центрі колективного користування обладнанням суперкомп'ютерного комплексу "СКІТ" (ЦККО СКК "СКІТ") в Інституті кібернетики ім.В.М.Глушкова НАН України. Код бібліотеки є відкритим та доступним для інших дослідників на платформі GitHub.
2023-07-10
2023-07-10
Updated: 2025-12-29
Saving a scientific data set occurs in two stages:
1.) Creating a data set
Enter the name of the set, a brief description of the set (annotation), and click the “Create set” button. After that, a draft data set will be automatically created, which you can save for further work with the set. The system will redirect you to the “Data set information” page.
2.) Filling in the data
On the “Data set information” page, you need to fill in all the fields related to the data set and upload the files.
Please note! Each file is uploaded separately. This is done to ensure the stable operation of the system.
Once you have filled in the information about the scientific data set and added the necessary files, you can save the draft or send the data to the system.
Please note! Once the data has been sent, you cannot change it.
Drafts are necessary for storing the data set and editing it before sending.
All accounts on the NRA website go through a standard registration procedure and are verified. However, in order to obtain additional features, such as publishing open reviews of academic texts, verification by affiliation is required.
To obtain the status “verified”, you must change your primary email address to a corporate one, which is tied to a scientific or educational institution.
For example: user@ukrintei.ua, user@nas.gov.ua
After confirming your corporate email address, your account will be automatically verified by affiliation.
If your email address is corporate, but your account does not have a verification mark, you need to write to us at the email address NRAT@ukrintei.ua. After verification, we will add your address to the database, and your account will be verified.
After completing the verification procedure for affiliation, you can change the primary email address to a convenient one for you, without losing your status during the current verification.
You only need to verify for affiliation once.
* We use corporate addresses from the Unified State Database on Education and the State Register of Scientific Institutions Supported by the State
To search for news published on the official website of NRАT in the “News” section, you need to enter one word, several words, or an exact phrase in the search field. Different terms are separated by spaces.
The search is performed everywhere – in the title and the news text.
For a more comprehensive result, it is recommended to use word stems (parts of words without endings).
When using multiple words for the search, they are combined using one of the logical methods described below.
By default, the logical connector “and” is used. In this case, search results will include all news releases that contain the specified words, even if they are located separately from each other and are in different parts of the text.
Example: Search phrase: OECD report. Search result: all news containing the words “report” and “OECD” in the text and in the title, both together and separately.
If a phrase or phrase is enclosed in quotation marks (“), the results will include all publications where this exact phrase or phrase is found.
Example: Search phrase: “OECD report.” Search result: all news containing the exact phrase “OECD report.”
If you know the publication date of the news or are interested in a specific time frame in which they were published on the website, you can select such a date or date range in the additional field that looks like a calendar. The date is entered in the format year-month-day and confirmed by clicking on the corresponding date in the calendar dropdown. You can enter a date or choose one by browsing through the calendar by months and years. By default, the interval starts from the oldest date (2018-01-23) and ends with the current date.
You can also use one or more hashtags, which are located under the search field on the right side of the “News” page.
Please note: The search for academic texts is carried out in a separate search window at the following link https://nrat.ukrintei.ua/searchdb.
