АЛГОРИТМЫ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ПРИКЛАДНЫХ ЗАДАЧ
Ключевые слова:
сверточные нейронные сети, глубокое обучение, распознавания листьев растенийАннотация
В данной работе исследуется различные архитектуры сверточных нейронных сетей. Сверточные нейронные сети – это, яркий представитель типичной глубокой нейронной сети. Структура глубокого обучения в основном называется нейронной сетью, который обрабатывается со скрытыми слоями для улучшения обучения.
Библиографические ссылки
1. Сабитов, Б.Р. Идентификация болезней томатов на основе многоклассовой классификации. [Электронный ресурс] / Б.Р.Сабитов, Н.С.Сейтказиева, А.Дж. Картанова// Проблемы автоматики и управления 2022. - № 3(45). – С.11.-Режим доступа: https://www.elibrary.ru/item.asp?id=50020292. – Загл.с экрана.
2. Сабитов, Б.Р. Моделирование и прогнозирование задач сельского хозяйства на основе машинного обучения [Электронный ресурс] / Б.Р.Сабитов // Тр.Межд. научно-практ.конф. Научно-технологическое развитие АПК для целей устойчивого развития. – Режим доступа: ttps://www.conferences.org/articles/e3sconf/abs/2023/17/contents/contents.html. – Загл.с экрана.
3. Sabitov, B.R. Deep learning Methods for Recognition of Orchard Crops [Электронный ресурс] / B.R. Sabitov, S.Biibsunova, A.Kashkaroeva et al. // IJCSNS. – 2022. – Vol.22. – No.10. – Режим доступа: http://paper.ijcsns.org/07_book/202210/20221033.pdf . – Загл.с экрана.
4. Pu, Y. Variational autoencoder for deep learning of images, labels and captions [EB/OL] [Text] / Y. Pu, Z. Gan, R.Henano et al. // 2016. – 09.28. – arxiv. – No.1609.08976.
