Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/335085Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Афанасенко, Г. С. | |
| dc.date.accessioned | 2025-09-30T08:43:12Z | - |
| dc.date.available | 2025-09-30T08:43:12Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Трансформация механико-математического и IT-образования в условиях цифровизации : материалы ІІ Междунар. науч.-практ. конф., Респ. Беларусь, Минск, 22–24 апр. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: Н. В. Бровка (гл. ред.) [и др.]. – Минск : БГУ, 2025. – С. 145-150. | |
| dc.identifier.isbn | 978-985-881-796-1 | |
| dc.identifier.isbn | 978-985-881-798-5 (ч. 2) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/335085 | - |
| dc.description | Раздел VI. Исследования молодых ученых: актуальные проблемы и направления | |
| dc.description.abstract | Данная статья основана на результатах курсовой работы. Здесь рассматриваются основные концепции байесовских нейронных сетей, их математические основы и реализация в виде программного фреймворка. Приводится теоретическое обоснование байесовского подхода, рассматриваются его отличия от частотного подхода в статистике. Описывается процесс построения байесовских нейронных сетей, а также реализованный фреймворк для их обучения, выполненный на C++. Представлены результаты тестирования фреймворка на популярных наборах данных, таких как FashionMNIST и CIFAR10 | |
| 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 | Нейробайесовские методы | |
| dc.title.alternative | Neurobayesian methods / G. S. Afanasenko | |
| dc.type | conference paper | |
| dc.description.alternative | This article discusses the basic concepts of Bayesian neural networks, their mathematical foundations and implementation in the form of a software framework. The theoretical justification of the Bayesian approach is given, and its differences from the frequency approach in statistics are considered. The process of building Bayesian neural networks is described, as well as an implemented framework for their training in C++. The results of testing the framework on popular datasets such as FashionMNIST and CIFAR10 are presented | |
| Располагается в коллекциях: | 2025. Трансформация механико-математического и IT-образования в условиях цифровизации | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 145-150.pdf | 484,57 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.