20.12.2024; Конотоп, Україна: VIII Міжнародна наукова конференція «Проблеми та перспективи реалізації та впровадження міждисциплінарних наукових досягнень»
Роботи, що індексуються в Google Scholar

ПОРІВНЯЛЬНИЙ АНАЛІЗ АРХІТЕКТУР НЕЙРОННИХ МЕРЕЖ: RNN, LSTM, GRU

  • Сергій Коломоєць ,
  • Олена Чумаченко
DOI: https://doi.org/10.62731/mcnd-20.12.2024.002
PDF

Опубліковано 17.01.2025

Як цитувати

Коломоєць , С., & Чумаченко , О. (2025). ПОРІВНЯЛЬНИЙ АНАЛІЗ АРХІТЕКТУР НЕЙРОННИХ МЕРЕЖ: RNN, LSTM, GRU. Матеріали конференцій МЦНД, (20.12.2024; Конотоп, Україна), 347–349. https://doi.org/10.62731/mcnd-20.12.2024.002

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2024 Сергій Коломоєць ; Олена Чумаченко (Науковий керівник)

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

У традиційних штучних нейронних мережах (ШНМ) існує проблема пов’язана зі збереженням інформації, яка була до них. Це наче починати читати книгу зсередини і не знати що було в попередніх главах. Не має жодної збереженої інформації про попередні дії, що в свою чергу впливає на класифікацію теперішніх подій.

PDF

Посилання

  1. 1. What is RNN? - Recurrent Neural Networks Explained - AWS. Amazon Web Services, Inc. URL: https://aws.amazon.com/what-is/recurrent-neural-network/?nc1=h_ls
  2. 2. GeeksforGeeks. What is LSTM - Long Short Term Memory? - GeeksforGeeks. GeeksforGeeks. URL: https://www.geeksforgeeks.org/deep-learning-introduction-to-long-short-term-memory/
  3. 3. Anishnama. Understanding Gated Recurrent Unit (GRU) in Deep Learning. Medium. URL: https://medium.com/@anishnama20/understanding-gated-recurrent-unit-gru-in-deep-learning-2e54923f3e2