Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://dspace.opu.ua/jspui/handle/123456789/12779
Название: | Розробка та дослідження методики використання слабко маркованих даних для глибинного машинного навчання |
Другие названия: | Development and research of methods of using weakly marked data for deep machine learning |
Авторы: | Міхалев, Кирило Богданович Mikhalev, Kyrylo Петросюк, Денис Валерійович Petrosiuk, Denys Ніколенко, Анатолій Олександрович Nikolenko, Anatolii |
Ключевые слова: | слабко марковані дані машине навчання збільшення навчальної вибірк Weakly marked data machine learning increase of training sample |
Дата публикации: | 2022 |
Издательство: | Одеса: ОП |
Библиографическое описание: | Міхалев, К. Б. Розробка та дослідження методики використання слабко маркованих даних для глибинного машинного навчання / К. Б. Міхалев, Д. B. Петросюк, А. О. Ніколенко // Modern Information Technology 2022 = Сучасні інформ. технології 2022 : матеріали дванадцятої Міжнарод. наук. конф. студентів та молодих учених, м. Одеса, 19–20 трав. 2022 р. / Держ. ун-т «Одес. політехніка». – Одеса, 2022. – С. 31–32. |
Краткий осмотр (реферат): | Розглянуто питання розробки та дослідження методики використання слабко маркованих даних для машинного навчання. Показана можливість автоматизувати процес збільшення навчальних вибірок шляхом додавання до них раніше немаркованих даних без участі людини. The issues of development and research of methods of using weakly marked data for machine learning are considered. The possibility of automating the process of increasing educational samples by adding previously unmarked data without human participation is shown. |
URI (Унифицированный идентификатор ресурса): | http://dspace.opu.ua/jspui/handle/123456789/12779 |
Располагается в коллекциях: | Матеріали конференцій, семінарів каф. ІС Modern Information Technology – Сучасні Інформаційні Технології 2022 |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
31-32.doc | 136.5 kB | Microsoft Word | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.