Пошук академічних текстів

Інформація × Реєстраційний номер 2125U004358, Матеріали видань та локальних репозитаріїв Категорія Стаття, Опубліковано, Рецензована стаття Назва роботи ПРО ОСОБЛИВОСТІ ФОРМУВАННЯ ТРИПЛЕТІВ ДЛЯ НАВЧАННЯ СІАМСЬКОЇ НЕЙРОННОЇ МЕРЕЖІ Автор Шостак А. В.Shostak A. V. Дата публікації 12-03-2025 Постачальник інформації Національний університет «Полтавська політехніка імені Юрія Кондратюка» Першоджерело https://journals.nupp.edu.ua/sunz/article/view/3684 Видання Національний університет «Полтавська політехніка імені Юрія Кондратюка» Опис Предмет дослідження – процеси розпізнавання зображень із застосуванням нейронних мереж. Додаток для розпізнавання ґрунтується на архітектурі сіамської мережі з триплетною функцією втрат і зі згортковою нейронною підмережею. Мета статті – обґрунтування вибору квазівипадкової N-вимірної послідовності векторів як вкладень для навчання сіамської нейронної мережі з триплетною функцією втрат та оцінка отриманих після навчання характеристик кластерів вкладень зображень цифр. Завдання: експериментальна оцінка отриманих після навчання сіамської нейронної мережі з триплетною функцією втрат характеристик кластерів вкладень зображень цифр. Методи досліджень: метод прямого пошуку для функцій з кількома змінними для визначення оцінок N-вимірних векторних представлень вхідних зображень. Результати досліджень. Проведено дослідження квазівипадкової Nвимірної послідовності векторів як вкладень для навчання сіамської нейронної мережі з триплетною функцією втрат та її тестування. Показано, що запропоновані методи визначення N-вимірних векторних представлень вхідних зображень є робастними та значно зменшують обсяг обчислень під час навчання. Під час тестування використовувалися зображення рукописних цифр із тестового набору MNIST. Визначено, що використання квазівипадкової Nвимірної послідовності векторів як вкладень зображень під час навчання сіамської нейронної мережі з триплетною функцією втрат дає змогу значно поліпшити характеристики отриманих кластерів вкладень зображень. Висновки. Результати, отримані в роботі, можуть бути використані при порівняльній оцінці та визначенні N-вимірних векторних представлень різних класів вхідних зображень з метою їх розпізнавання з використанням архітектури сіамської нейронної мережі з триплетною функцією втрат. Додано в НРАТ 2026-04-19 Закрити