Сопоставление программных реализаций, алгоритмы и инструменты настройки нейронных сетей

Abstract

Обсуждаются итоги комплексного сравнительного анализа современных подходов к построению, обучению и оптимизации нейронных сетей на примере задачи сглаживания ряда данных (представительный набор данных наблюдений при наличии шумов, помех, выбросов, потерь). Рассмотрены не только теоретические аспекты архитектуры и обучения моделей, но и практические вопросы автоматизации поиска оптимальных параметров с использованием двух различных технологических платформ – Wolfram Mathematica и Python (TensorFlow, Keras).