dc.contributor.author | Мальований, Д. В. | uk |
dc.contributor.author | Богач, І. В. | uk |
dc.contributor.author | Maliovanyі, D.V. | en |
dc.contributor.author | Bogach, I. V. | en |
dc.date.accessioned | 2025-03-18T14:50:08Z | |
dc.date.available | 2025-03-18T14:50:08Z | |
dc.date.issued | 2021 | |
dc.identifier.citation | Мальований Д. В. Дослідження впливу конволюцій на достовірність прогнозування на прикладі датасету мови жестів [Електронний ресурс] / Д. В. Мальований, І. В. Богач // Тези доповідей Всеукраїнської науково-практичної Інтернет-конференції студентів, аспірантів та молодих науковців «Молодь в науці: дослідження, проблеми, перспективи» (МН-2021), м. Вінниця, 01-14 травня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/mn/mn2021/paper/view/13219. | uk |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/45642 | |
dc.description.abstract | Дану доповідь присвячено дослідженню та порівнянню кореляції ефективності прогнозування нейронної мережі та кількістю шарів згортки та їх структурою. За суб’єкт дослідження взято нейронну мережу, що розпізнає зображення мови жестів. | uk |
dc.description.abstract | This report is dedicated to cover the investigation and comparison of neural network prediction efficiency correlation with convolution layers’ quantity and structure. A neural network recognizing gestures language is taken as a subject of this research. | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Тези доповідей Всеукраїнської науково-практичної Інтернет-конференції студентів, аспірантів та молодих науковців «Молодь в науці: дослідження, проблеми, перспективи» (МН-2021), м. Вінниця, 01-14 травня 2021 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2021/paper/view/13219 | |
dc.subject | нейронна мережа | uk |
dc.subject | шар згортки | uk |
dc.subject | фільтр | uk |
dc.subject | розпізнавання | uk |
dc.subject | навчання моделі | uk |
dc.subject | датасет | uk |
dc.subject | точність натренувальних даних | uk |
dc.subject | точність на перевіркових даних | uk |
dc.subject | функція втрат | uk |
dc.subject | функція розподілу (класифікації) | uk |
dc.subject | neural network | en |
dc.subject | convolution layer | en |
dc.subject | filter | en |
dc.subject | recognition | en |
dc.subject | model training (fitting) | en |
dc.subject | dataset | en |
dc.subject | training accuracy | en |
dc.subject | validation accuracy | en |
dc.subject | loss function | en |
dc.subject | distribution (classification) function | en |
dc.title | Дослідження впливу конволюцій на достовірність прогнозування на прикладі датасету мови жестів | uk |
dc.type | Thesis | |
dc.identifier.udc | 004.855.5+004.932.2 | |
dc.relation.references | Michigan Institute of Technology, Drop-In Replacement for MNIST for Hand Gesture Recognition Tasks [Electronic resource]
– Electronic data. – Mode of access: https://www.kaggle.com/datamunge/sign-language-mnist/tasks – Title from screen. | en |
dc.relation.references | Lode Vandevenne, Image Filtering. [Electronic resource] – Electronic data. – Mode of access:
https://lodev.org/cgtutor/filtering.html – Title from the screen. | en |
dc.relation.references | Common loss functions in machine learning [Electronic resource] – Electronic data. – Mode of access:
https://towardsdatascience.com/common-loss-functions-in-machine-learning-46af0ffc4d23 – Title from screen. | en |
dc.relation.references | A Look at Gradient Descent and RMSprop Optimizers [Electronic resource] – Electronic data. – Mode of access:
https://towardsdatascience.com/a-look-at-gradient-descent-and-rmsprop-optimizers-f77d483ef08b – Title from the screen. | en |
dc.relation.references | Machine Learning, Tom Mitchell, McGraw Hill, 1997. ISBN 0070428077. | en |