Григорьев, М. Д. Разработка обучаемой нейросети для анализа лингвистических данных [Текст] = Development of a trainable neural network for analysis of linguistic data / М. Д. Григорьев, Т. М. Татарникова // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 3. - С. 170-176 : ил., схемы. - Библиогр.: с. 175 (10 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
Рубрики: Вычислительная техника Системы обработки численных данных Языкознание Применение вычислительной техники в языкознании Кл.слова (ненормированные): convolutional neural networks -- development of trainable neural networks -- linguistic applications -- linguistic data -- linguistic data analysis -- neural networks -- recognition of ancient Egyptian hieroglyphs -- trainable neural networks -- анализ лингвистических данных -- лингвистические данные -- лингвистические приложения -- нейросети -- обучаемые нейросети -- разработка обучаемых нейросетей -- распознавание древнеегипетских иероглифов -- сверточные нейронные сети Аннотация: Приведено описание разработанного лингвистического приложения для распознавания древнеегипетских иероглифов. Рассмотрены основные методы создания и обучения нейронной сети и определен метод, подходящий для успешной работы алгоритма по распознаванию древнеегипетских иероглифов. Исходя из проведенного анализа инструментов для решения поставленной задачи выбран метод обучения с учителем и сверточный тип нейросети как оптимальный для распознавания изображений с функцией активации ReLu. В перспективе предложенная нейросеть найдет применение в работе по разработке словаря с функцией распознавания символов. The description of the developed linguistic application for the recognition of ancient Egyptian hieroglyphs is given. The main methods for creating and training a neural network are considered and a method suitable for the successful operation of the algorithm for recognizing ancient Egyptian hieroglyphs is determined. Based on the analysis of tools for solving the problem, the method of learning with a teacher and the convolutional type of neural network were chosen as optimal for image recognition with the ReLu activation function. In the future, the proposed neural network will find application in the development of a dictionary with a character recognition function. Доп.точки доступа: Татарникова, Т. М. Нет сведений об экземплярах (Источник в БД не найден) |