Сіренко, Микола2024-03-192024-03-192023Сіренко М.А. Покоординатний спуск для налаштування параметрів нейрокомп’ютерних систем розпізнавання образів / М.А. Сіренко // Комп’ютерні системи та мережні технології : ХІІІ Міжнар. науково-практ. конф. - Національний авіаційний університет. – Київ, 2023. – С. 144–145.https://er.nau.edu.ua/handle/NAU/62727ВИКОРИСТАНІ ДЖЕРЕЛА 1. Y. LeCun, Y. Bengio, and G. Hinton. Deep learning. Nature, 521, 436– 444, 2015. 2. L. Bottou, F. E. Curtis, and J. Nocedal. Optimization methods for large-scale machine learning. arXiv:1606.04838v3, 2018. 3. G. Taylor, R. Burmeister, Z. Xu, B. Singh, A. Patel, and T. Goldstein. Training neural networks without gradients: A scalable admm approach. arXiv:1605.02026v1, 2016.Сучасні інформаційні технології важко уявити без використання нейрокомп’ютерних систем, проте ефективність їх роботи, значно залежить від правильного налаштування параметрів нейронної мережі [1]. У зв'язку з цим, дослідження безградієнтних методів оптимізації, зокрема поєднання алгоритму покоординатного спуску та елементів методу золотого перетину для налаштування параметрів нейрокомп’ютерних систем розпізнавання образів є на сьогодні важливим напрямком дослідження, що може покращити ефективність їх використання у системах з обмеженими ресурсами. Для обґрунтування наукових результатів проведеного дослідження було використано метод моделювання, який включав розробку програмної моделі для перевірки адекватності функціонування створеного алгоритму.ukметоддослідженняалгоритммодель