Формування нейронних мереж для вирішення задачі лінійної класифікації
Анотація
Методів вирішення задачі лінійної класифікації існує велика кількість, проте одним із класичних методів вирішення цієї задачі можна назвати використання багатошарових нейронних мереж та баз знань. Тому наявність зручного та інтуїтивно зрозумілого середовища для створення баз знань, а також створення та навчання багатошарових нейронних мереж для аналітика має велике значення. У даній роботі розглядається модель багатошарової нейронної мережі. Проведено аналіз стану проблеми формування нейронних мереж для вирішення задачі класифікації. Розглянуто основні методи та підходи до формування багатошарових нейронних мереж для вирішення задачі класифікації,, що застосовуються в дослідницьких цілях. Розроблена модель лягла в основу системи, яка дозволяє формувати та навчати моделі багатошарових нейронних мереж для вирішення задач лінійної класифікації. Усе це разом допоможе полегшити роботу дослідникам, які використовують нейронні мережі для визначення класу певного об’єкту
Посилання
2. P. Breiding, F. Sottile, J. Woodcock. Euclidean Distance Degree and Mixed Volume. Foundations of Computational Mathematics. – 2021. 10.1007/s10208-021-09534-8.
3. A. Rössig, M. Petkovic. Advances in verification of ReLU neural networks. Journal of Global Optimization. – 2021. 81. 1-44. 10.1007/s10898-020-00949-1.
4. Jiaojiao Hui. Research on Rose Classification Based on Neural Network Model. – 2022. 10.21203/rs.3.rs-1689613/v1.
5. Duwani Katumullage, Chenyu Yang, Jackson Barth, Jing Cao. Using Neural Network Models for Wine Review Classification. – 2022. 10.1017/jwe.2022.2
