РІДКІ НЕЙРОННІ МЕРЕЖІ: ПРИНЦИП РОБОТИ ТА ОБЛАСТІ ЗАСТОСУВАННЯ
DOI:
https://doi.org/10.33042/2522-1809-2024-1-182-14-19Ключові слова:
рідкі нейронні мережі, штучний інтелект, адаптивне управління, ефективність навчання, потенціал застосуванняАнотація
У статті розглядається тема архітектури рідких нейронних мереж (LNN) та їх потенціал у сучасних технологіях. Досліджуються основні концепції та принципи роботи LNN-мереж, їх потенційні застосування в різних галузях: від робототехніки до медицини та промисловості. Як результат, визначено переваги та обмеження цієї технології, а також перспективи її подальшого розвитку.
Посилання
Shevchenko, V., Bredikhin, V., Senchuk, T., & Verbytska, V. (2022). Comparison of methods for automatic license number recognition. Municipal Economy of Cities. Series: Engineering science and architecture, 4(171), 7–11. https://doi.org/10.33042/2522-1809-2022-4-171-7-11 [in Ukrainian]
Tyshchenko, V. S. (2023). Analysis of training methods and neural network tools for fake news detection. Cybersecurity: Education, Science, Technique, 4(20), 20–34. https://doi.org/10.28925/2663-4023.2023.20.2034 [in Ukrainian]
Hasani, R. (2020). Interpretable recurrent neural networks in continuous-time control environments [Doctoral dissertation, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2020.78942
Holl, P., Koltun, V., & Thuerey, N. (2023). Learning to Control PDEs with Differentiable Physics. In Proceedings of the 8th International Conference on Learning Representations (ICLR) (vol. 16, pp. 12216–12243). Curran Associates, Inc. https://openreview.net/pdf?id=HyeSin4FPB
Che, Z., Purushotham, S., Cho, K., Sontag, D., & Liu, Y. (2018). Recurrent Neural Networks for Multivariate Time Series with Missing Values. Scientific Reports, 8, 6085. https://doi.org/10.1038/s41598-018-24271-9
Koželský, O., & Hild, T. A. (2021, February 21). Reservoir Computing for .NET (RCNet). GitHub. https://github.com/okozelsk/NET?tab=readme-ov-file#reservoir-computing-for-net-rcnet
updreamers. (2022, October 18). Reservoir Computing and Liquid State Machines. Up Dreamers. https://updreamers.com/reservoir-computing-and-liquid-state-machines/
Lindemann, B., Müller, T., Vietz, H., Jazdi, N., & Weyrich, M. (2021). A survey on long short-term memory networks for time series prediction. Procedia CIRP, 99, 650–655. https://doi.org/10.1016/j.procir.2021.03.088
Laurinavicius, T. (2021, June 1). 7 Life-Saving AI Use Cases in Healthcare. V7 Labs. https://www.v7labs.com/blog/ai-in-healthcare
Bartunov, S., Santoro, A., Richards, B. A., Marris, L., Hinton, G. E., & Lillicrap, T. (2019). Assessing the Scalability of Biologically-Motivated Deep Learning Algorithms and Architectures. In S. Bengio, H. Wallach, H. Larochelle, K. Grauman, N. Cesa-Bianchi, & R. Garnett (Eds.), Proceedings of the 32nd Annual Conference on Neural Information Processing Systems (NIPS 2018) (pp. 9368–9378). Curran Associates, Inc. https://arxiv.org/pdf/1807.04587.pdf
Shi, W., Gong, Y., Tao, X., Cheng, D., & Zheng, N. (2019). Fine-Grained Image Classification Using Modified DCNNs Trained by Cascaded Softmax and Generalized Large-Margin Losses. IEEE Transactions on Neural Networks and Learning Systems, 30(3), 683–694. https://doi.org/10.1109/TNNLS.2018.2852721
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому збірнику, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY-NC-ND 4.0 (із Зазначенням Авторства – Некомерційна – Без Похідних 4.0 Міжнародна), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
