Аналіз рекурентних штучних нейронних мереж, їх структура

Греков, О. О.

Публікація:
Аналіз рекурентних штучних нейронних мереж, їх структура

dc.contributor.author	Греков, О. О.
dc.date.accessioned	2024-08-26T06:27:10Z
dc.date.available	2024-08-26T06:27:10Z
dc.date.issued	2024
dc.description.abstract	This conference paper provides insights into Recurrent Neural Networks (RNNs) in various domains like language modeling and speech recognition. It discusses key concepts such as «Backpropagation Through Time» and «Long Short-Term Memory Units» essential for understanding RNNs. Recent advancements like «Attention Mechanism» and «Pointer Networks» are also explored, showcasing improved performance in RNN-based techniques. Challenges like vanishing gradients are addressed, and solutions like Deep Recurrent Neural Networks (DRNNs) and Bidirectional Recurrent Neural Networks (BRNNs) are discussed. The Encoder-Decoder architecture, exemplified by Sequence to Sequence (seq2seq) models, is examined, and Pointer Networks (Ptr-Nets) are introduced as effective solutions for combinatorial optimization problems.
dc.identifier.citation	Греков О. О. Аналіз рекурентних штучних нейронних мереж, їх структура / О. О. Греков ; наук. керівник д. т. н., проф. Є. В. Бодянський // Радіоелектроніка та молодь у XXI столітті : матеріали 28-го Міжнар. молодіж. форуму, 16–18 квітня 2024 р. – Харків : ХНУРЕ, 2024. – Т. 6 – С. 47-49. – DOI : https://doi.org/10.30837/IYF.IIS.2024.047.
dc.identifier.doi	https://doi.org/10.30837/IYF.IIS.2024.047
dc.identifier.uri	https://openarchive.nure.ua/handle/document/28100
dc.language.iso	uk
dc.publisher	ХНУРЕ
dc.subject	Recurrent Neural Networks (RNNs)
dc.title	Аналіз рекурентних штучних нейронних мереж, їх структура
dc.type	Thesis
dspace.entity.type	Publication