Search academic texts

Information × Registration Number 2120U008852, Article popup.category Бакалаврська робота Title Веб-сервіс із мікросервісною архітектурою для моделювання нейромереж широкого призначення (AI translated) popup.author Линник Володимир ВікторовичLynnyk Volodymyr Viktorovych popup.publication 01-01-2020 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/34419 popup.publisher Київ Description В бакалаврській дипломній роботі реалізовані принципи побудови застосунків з мікросервісною архітектурою , призначені для моделювання, навчання, тестування та використання нейронних мереж прямого поширення. Система підтримує роботу з табличним представленням вхідних даних для навчання та тестування нейромереж, має можливість обрахування вхідних параметрів та нормалізації даних, спираючись на сукупність вхідних даних, при чому користувач має можливість динамічної зміни обраних елементів вхідного шару нейромережі, вибору кількості внутрішніх шарів, функцію активації кожного шару, кількість епох навчання та динамічне визначення вихідного шару. До того ж, можливе створення декількох варіантів налаштування нейромережі для одних вхідних даних, що дозволяє користувачу провести навчання кожного варіанту, а потім отримати аналітичні дані стосовно якості роботи нейромереж. Система була розроблена з урахуванням принципів побудови мікросервісних застосунків , використовуючи Java та фреймворку Spring для сервісів, що забезпечують збереження, виведення та початкову обробку даних, а також використовуючи Python для сервісу навчання та тестування нейромереж. In this work for a Bachelor's Degree it was implemented the principles of building applications with microservice architecture, designed for modeling, training, testing and using feedforward neural networks. The system supports tabular input data for training and testing neural networks, has the ability to calculate input parameters and normalize data based on a set of input data, while the user has an ability to dynamically change selected elements of the input layer of the neural network, set the number of internal layers, the number of learning epochs and dynamically define the source layer. In addition, it is possible to create several options for setting up a neural network for a single input data, which allows the user to train each option, and then obtain analytical data on the quality of neural networks. The system was designed based on the principles of building microservice applications, using Java and Spring framework for services that provide storage, output and initial data processing, as well as using Python for neural network training and testing service. popup.nrat_date 2025-11-05 Close