| dc.contributor.author | Лавренюк, Є. | uk |
| dc.contributor.author | Варчук, І. В. | uk |
| dc.contributor.author | Lavreniuk, Y. | en |
| dc.contributor.author | Varchuk, I. V. | en |
| dc.date.accessioned | 2026-09-03T10:04:36Z | |
| dc.date.available | 2026-09-03T10:04:36Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Лавренюк Є., Варчук І. В. Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30235. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/52610 | |
| dc.description.abstract | У роботі досліджено ефективність застосування згорткової нейронної мережі для розпізнавання рукописних цифр на основі набору даних MNIST/Digit Recognizer. Для експериментального дослідження використано табличне представлення зображень розміром 28×28 пікселів, де кожен об’єкт належить до одного з десяти класів — цифр від 0 до 9. Виконано завантаження даних, нормалізацію значень пікселів, зміну форми вхідних ознак, one-hot encoding цільових міток, а також аугментацію зображень. Побудовано згорткову нейронну мережу на основі бібліотеки Keras/TensorFlow. Проведено порівняння двох стратегій підбору гіперпараметрів: Random | uk |
| dc.description.abstract | The paper investigates the effectiveness of a convolutional neural network for handwritten digit recognition using the | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30235 | |
| dc.subject | MNIST | en |
| dc.subject | згорткова нейронна мережа | uk |
| dc.subject | CNN | en |
| dc.subject | Random Search | en |
| dc.subject | Genetic Algorithm | en |
| dc.subject | Keras | en |
| dc.subject | TensorFlow | en |
| dc.subject | розпізнавання цифр | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | MNIST | en |
| dc.subject | convolutional neural network | en |
| dc.subject | CNN | en |
| dc.subject | Random Search | en |
| dc.subject | Genetic Algorithm | en |
| dc.subject | Keras | en |
| dc.subject | TensorFlow | en |
| dc.subject | digit recognition | en |
| dc.subject | machine learning | en |
| dc.title | Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.8:004.932:519.6 | |
| dc.relation.references | Digit Recognizer. Kaggle [Електронний ресурс]. – Режим доступу: https://www.kaggle.com/competitions/digitrecognizer TensorFlow Documentation. Keras API [Електронний ресурс]. – Режим доступу: https://www.tensorflow.org/api_docs/python/tf/keras Bergstra J., Bengio Y. Random Search for Hyper-Parameter Optimization. Journal of Machine Learning Research, 2012. Genetic Algorithm. Towards Data Science / Machine Learning Mastery [Електронний ресурс]. – Режим доступу: https://machinelearningmastery.com/simple-genetic-algorithm-from-scratch-in-python/ Pandas Documentation [Електронний ресурс]. – Режим доступу: https://pandas.pydata.org NumPy Documentation [Електронний ресурс]. – Режим доступу: https://numpy.org Matplotlib Documentation [Електронний ресурс]. – Режим доступу: https://matplotlib.org Seaborn Documentation [Електронний ресурс]. – Режим доступу: https://seaborn.pydata.org Scikit-learn Documentation. Metrics and train_test_split [Електронний ресурс]. – Режим доступу: https://scikitlearn.org | en |
