<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

An algorithm for training artificial neural network based on adaptive moments estimation

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

In this paper have been analyzed the features and has been presented a mathematical model the of ADAM algorithm for training artificial neural network.
У роботі проаналізовано особливості застосування та представлено математичну модель алгоритму ADAM для навчання штучної нейромережі.

Опис

Тип документа

Мова

ISSN

Посилання на публікацію

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Круць Д. О. An algorithm for training artificial neural network based on adaptive moments estimation [Текст] / Д. О. Круць, Г. Б. Ракитянська, Ю. Ю. Іванов // Електронні інформаційні ресурси: створення, використання, доступ : збірник матеріалів Міжнародної науково-практичної Інтернет конференції, 28-29 листопада 2022 р. – Суми/Вінниця : НІКО/ВНТУ, 2022. – С. 117-119.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (6)

  1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы, 2004. 452 с
  2. Rumelhart D. E., Hinton G. E. and William R. J. Learning Internal Representations by Error Propagations. 1986. P. 318-362.
  3. Venkatesan R., Li B. Convolutional Neural Networks. Convolutional Neural Networks in Visual Computing. 2017. P. 89-116
  4. Kingma D. P. and Ba J. L. Adam: a Method for Stochastic Optimization. 2014. P. 1-15. URL: https://arxiv.org/abs/1412.6980 (access mode 14.11.2022).
  5. Zaheer M., Reddi S. J., Sachan D. and others. Adaptive Methods for Nonconvex Optimization. Conference on Neural Information Processing Systems. 2018. P. 1-11.
  6. Wang Y., Xiao Z. and Cao G. A Convolutional Neural Network Method Based on Adam Optimizer with Power-Exponential Learning Rate for Bearing Fault Diagnosis. Journal of Vibroengineering. 2022. P. 666-678.