Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/288533Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Крощенко, А. А. | - |
| dc.contributor.author | Головко, В. А. | - |
| dc.date.accessioned | 2022-11-09T09:27:11Z | - |
| dc.date.available | 2022-11-09T09:27:11Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы междунар. науч. конгресса по информатике. В 3 ч. Ч. 2, Респ. Беларусь, Минск, 27–28 окт. 2022 г. / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др.]. – Минск : БГУ, 2022. – С. 151-156. | - |
| dc.identifier.isbn | 978-985-881-425-0 (ч. 2); ISBN 978-985-881-427-4 | - |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/288533 | - |
| dc.description.abstract | В данной статье предлагается подход к редуцированию полносвязных нейронных сетей с помощью классического и модифицированного предобучения глубоких нейронных сетей. Авторами продемонстрировано, что данный подход позволяет существенно уменьшить количество параметров обучаемой нейронной сети практически без уменьшения обобщающей способности. Возможности предложенного метода продемонстрированы на классических выборках компьютерного зрения MNIST, CIFAR10 и CIFAR100 | - |
| dc.description.sponsorship | Данная работа выполнена при поддержке белорусского республиканского фонда фундаментальных исследований БРФФИ, проект Ф22КИ-046 | - |
| dc.language.iso | ru | - |
| dc.publisher | Минск : БГУ | - |
| dc.rights | info:eu-repo/semantics/openAccess | - |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | - |
| dc.title | Метод редуцирования нейросетевых моделей компьютерного зрения | - |
| dc.title.alternative | Reduction method for neural network models of computer vision / A.A. Kroshchanka, V.A. Golovko | - |
| dc.type | conference paper | - |
| dc.description.alternative | This article proposes an approach to the reduction of fully connected neural networks using classical and modified pre-training of deep neural networks. The authors have demonstrated that this approach can significantly reduce the number of parameters of the trained neural network with little or no reduction in the generalizing ability. The capabilities of the proposed method are demonstrated on the classical computer vision datasets MNIST, CIFAR10 and CIFAR100 | - |
| Располагается в коллекциях: | 2022. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 151-156.pdf | 265,86 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.