Расширенный поиск

   Разработка комплекса лабораторных и практических работ по изучению нейронных сетей / Санников Е. В., Несмелова А. С., Несмелова К. С., Герасименко Д. А. // Лесной вестник. - 2019. - Т. 23, № 4. - С. 106-111.

   Разработка научных основ информационно-обучающих технологий для создания автоматизированных лабораторных практикумов : отчет о НИР (заключ.) : отчёт о НИР / МГТУ. Каф. РК 2 ; рук. темы Костиков Ю. В. - М., 1998. - 67 л.

Саттон Р. С., Барто Э. Г.
   Обучение с подкреплением / Саттон Р. С., Барто Э. Г. ; пер. с англ. Романов Е. О. ; ред. пер. Тюменцев Ю. В. - М. : БИНОМ. Лаборатория знаний, 2017. - 399 с. : ил. - (Адаптивные и интеллектуальные системы). - Библиогр. в конце глав, с. 359-379. - ISBN 978-5-94774-351-7.

Сергеев Л. А., Белов Ю. С.
   Переобучение нейронной сети Inception-v3 в качестве бинарного классификатора / Сергеев Л. А., Белов Ю. С. // Наукоемкие технологии в приборо- и машиностроении и развитие инновационной деятельности в вузе. : материалы Всероссийской научно-технической конференции, Калуга, 14-16 ноября 2023 года : в 2 т. / МГТУ им. Н. Э. Баумана (национальный исследовательский ун-т). Калужский филиал. - 2024. - Т. 1 : Секции 1-11. - С. 354-356.

Сергеев Л. А., Белов Ю. С.
   Рассмотрение метрик используемых при обучении нейронных сетей / Сергеев Л. А., Белов Ю. С. // Наукоёмкие технологии в приборо- и машиностроении и развитие инновационной деятельности в вузе : материалы Региональной научно-технической конференции (Калуга, 23 - 25 апреля 2024 года) : в 2 т. / МГТУ им. Н. Э. Баумана (национальный исследовательский университет). - 2025. - Т. 2. - С. 189-192.

   Сравнение алгоритмов MAMDANI и SUGENO в задаче процесса обучения ANFIS для оценки QOE доступа к интернет-услугам на базе пакета MATLAB / Галкин В. А., Красильников С. Н., Попенков В. Б., Гонсалес-Гусев Х. К. // Динамика сложных систем. - 2019. - Т. 13, № 2. - С. 28-33.

   Сравнительный анализ архитектур нейронных сетей EFFICIENTNET, MOBILENET, RESNET для мобильных приложений / Мащенко Е. И., Усынин Ю. А., Камалов М. Р., Погосян С. Л., Правдина А. Д. // ИИАСУ'22. Искусственный интеллект в автоматизированных системах управления и обработки данных = Artificial intelligence in management, control, and data processing systems : сборник статей Всероссийской научной конференции, Москва, 27-28 апреля 2022 г. : в 2 т. / МГТУ им. Н. Э. Баумана (национальный исследовательский у-т). - 2022. - Т. 2. - С. 316-322.

Сухацкий М. О.
   Обучение модели NLP для классификации эмоциональной окраски текста на основе датасета Dusha от Сбера / Сухацкий М. О. // Наукоёмкие технологии в приборо- и машиностроении и развитие инновационной деятельности в вузе : материалы Региональной научно-технической конференции (Калуга, 23 - 25 апреля 2024 года) : в 2 т. / МГТУ им. Н. Э. Баумана (национальный исследовательский университет). - 2025. - Т. 1. - С. 211-214.

Федоренко Ю. С., Гапанюк Ю. Е.
   Анализ особенностей глубоких нейронных сетей на примере задачи распознавания цифр / Федоренко Ю. С., Гапанюк Ю. Е. // Нейрокомпьютеры: разработка, применение. - 2017. - № 2. - С. 24-30.

Федоренко Ю. С., Гапанюк Ю. Е.
   Кластеризация данных на основе самоорганизующихся растущих нейронных сетей и марковского алгоритма кластеризации / Федоренко Ю. С., Гапанюк Ю. Е. // Нейрокомпьютеры: разработка, применение. - 2016. - № 4. - С. 3-13.