Оптимізація глибокої нейронної мережі на основі використання циклічно-косинусоїдної зміни коефіцієнта швидкості навчання та ансамблювання моделей
Вантажиться...
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У даній роботі проаналізовано особливості використання циклічно-косинусоїдної зміни коефіцієнта швидкості
навчання для створення ансамблю комбінаційних моделей автокодера та згорткової нейронної мережі.
In this work have been analyzed the features of using the cosine annealing learning rate for creating an ensemble for combination model of autocoder and convolutional neural network.
In this work have been analyzed the features of using the cosine annealing learning rate for creating an ensemble for combination model of autocoder and convolutional neural network.
Опис
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Оптимізація глибокої нейронної мережі на основі використання циклічно-косинусоїдної зміни коефіцієнта швидкості навчання та ансамблювання моделей [Електронний ресурс] / В. В. Півошенко, Ю. С. Здітовецький, С. Г. Кривогубченко, Ю. Ю. Іванов // Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. – Електрон. текст. дані. – 2020. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2020/paper/view/8719.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (7)
- Low Computational Complexity Algorithm for Recognition Highly Corrupted QR Codes Based on Hamming-Lippmann Neural Network / R.N. Kvyetnyy, Yu.Yu. Ivanov, V.V. Pivoshenko and others // Przegląd Elektrotechniczny. ‒ Poland, 2019. ‒ P. 162-166.
- Bottou L. Large-Scale Machine Learning with Stochastic Gradient Descent / L. Bottou // Proceedings of COMPSTAT 2010. – 2010. – P. 177-186.
- Rozložník M. Solution Approaches for Saddle-Point Problems / M. Rozložník // Nečas Center Series Saddle-Point Problems and Their Iterative Solution. – 2018. – P. 33-39.
- Kawaguchi K. Effect of Depth and Width on Local Minima in Deep Learning / K. Kawaguchi, J. Huang, L.P. Kaelbling // Neural Computation. – 2019. – P. 1462-1498.
- Caruana R. Getting the Most Out of Ensemble Selection / R. Caruana, A. Munson, A. Niculescu-Mizil // Sixth International Conference on Data Mining (ICDM'06). – 2006. – 12 p.
- Zagoruyko S. Wide Residual Networks / S. Zagoruyko, N. Komodakis // Procedings of the British Machine Vision Conference 2016. – 2016. – 15 p.
- Loshchilov I. Comparison-Based Optimizers Need Comparison-Based Surrogates / I. Loshchilov, M. Schoenauer, M. Sebag // Parallel Problem Solving from Nature, PPSN XI. – 2010. – P. 364-373.