Видавничий дім «Інтернаука» — на головну

Технічні науки Українською Відкритий доступ

Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках

Бродкевич Володимир Михайлович, Ремесло Вячеслав Якович

Міжнародний науковий журнал «Інтернаука», № 11, червень 2018

Анотація

У цій статті автори роблять поточний огляд алгоритмів машинного навчання з метою пояснити принципи, на яких вони працюють та показати приклади рішень на їх основі. У статті розглянуто: основний смисл машинного навчання (МН), основні визначення терміну машинне навчання та подаються різні точки зору дослідників і розробників експертних організацій; моделі МН та наочне уявлення про них; процес навчання машин; глибоке навчання (ГН) та базові алгоритми глибоких нейронних мереж (згорткових нейронних мереж) як основи ГН; алгоритми машинного навчання в прикладних додатках. Мета цієї статті полягає в наданні експертної точки зору про те, як машинне навчання визначається, і як воно працює для читачів з бізнес середовища, та перспективним бізнесменам і студентам.

Ключові слова: машинне навчання (МН); моделі МН; глибоке навчання (ГН); глибокі нейронні мережі; згорткові нейронні мережі ЗНМ; прикладні додатки

English

Machine learning (ML) and deep learning (DL) algorithms and its utilizing in applied applications

Abstract. In this article the authors make the current review of machine learning algorithms in order to explain the principles on which they work and show examples of decisions based on them. The article will be considered: the main semantic of Machine Learning (ML), basic determination of the term Machine learning (ML) and different points of view on this of researchers and developers of expert organizations; Models of the ML and visual representation of them; Process of training of machines; Deep Learning (DL) and basic algorithms of deep neural networks as base of DL; Algorithms of machine learning in applied applications. The purpose of this article is to provide an expert perspective on how the machine learning is determined, and how it works to readers from business area, and prospective businessmen and students.

Keywords: Machine Learning (ML); Deep Learning (DL); Deep artificial neural network; convolutional neural network CNN; applied applications

Як цитувати

Бродкевич В. М., Ремесло В. Я. Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках // Міжнародний науковий журнал "Інтернаука". — 2018. — №11.

@article{internauka3951,
  author   = {Бродкевич, Володимир Михайлович and Ремесло, Вячеслав Якович},
  title    = {Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках},
  journal  = {Міжнародний науковий журнал «Інтернаука»},
  year     = {2018},
  number   = {11},
  url      = {https://www.inter-nauka.com/issues/2018/11/3951}
}
TY  - JOUR
AU  - Бродкевич, Володимир Михайлович
AU  - Ремесло, Вячеслав Якович
TI  - Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках
JO  - Міжнародний науковий журнал «Інтернаука»
PY  - 2018
IS  - 11
SN  - 2520-2057
UR  - https://www.inter-nauka.com/issues/2018/11/3951
LA  - uk
ER  - 

Текст статті

Або відкрийте файл PDF

PDF, 743 КБ — Завантажити PDF

Як цитувати

Бродкевич В. М., Ремесло В. Я. Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках // Міжнародний науковий журнал "Інтернаука". — 2018. — №11.

@article{internauka3951,
  author   = {Бродкевич, Володимир Михайлович and Ремесло, Вячеслав Якович},
  title    = {Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках},
  journal  = {Міжнародний науковий журнал «Інтернаука»},
  year     = {2018},
  number   = {11},
  url      = {https://www.inter-nauka.com/issues/2018/11/3951}
}
TY  - JOUR
AU  - Бродкевич, Володимир Михайлович
AU  - Ремесло, Вячеслав Якович
TI  - Алгоритми машинного навчання (МН) та глибокого навчання (ГН) і їх використання в прикладних додатках
JO  - Міжнародний науковий журнал «Інтернаука»
PY  - 2018
IS  - 11
SN  - 2520-2057
UR  - https://www.inter-nauka.com/issues/2018/11/3951
LA  - uk
ER  -