АНАЛИЗ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ЗАВИСИМОСТИ КАЧЕСТВА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ ОТ ПАРАМЕТРОВ ОБУЧАЮЩИХ ВЫБОРОК
Аннотация
Об авторах
Никита Алексеевич ЛагуновРоссия
Оксана Станиславовна Мезенцева
Россия
Список литературы
1. Ullman S., Vidal-Naquet M. Visual features of intermediate complexity and their use in classification // Nature Neuroscience, 2002. 490 c. URL: https://courses.csail.mit.edu/6.803/pdf/features.pdf.
2. Yann LeCun, Fu Jie Huang. Learning Methods for Generic Object Recognition with Invariance to Pose and Lighting // IEEE Computer Society Conference on Computer Vision and Pattern Recognition (volume 2), 2004. 104 с. URL: https://courses.csail.mit.edu/6.803/pdf/features.pdf.
3. Nicolas Pinto, David Cox, James DiCarlo. Why is Real-World Visual Object Recognition Hard? // {PLoS} Computational Biology, 2008. 27 c. URL: http://dicarlolab.mit.edu/sites/dicarlolab.mit.edu/files/pubs/Pinto%20et%20 al%202008.pdf.
4. James DiCarlo. How Does the Brain Solve Visual Object Recognition? Neuron. Cell-Press, 2012. 415 c.
5. Weber M., Welling M., Perona P. Unsupervised learning of models for recognition, 2000. URL: http://www. vision.caltech.edu/CNS179/papers/ Perona00.pdf.
Рецензия
Для цитирования:
Лагунов Н.А., Мезенцева О.С. АНАЛИЗ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ЗАВИСИМОСТИ КАЧЕСТВА ОБУЧЕНИЯ НЕЙРОННЫХ СЕТЕЙ ОТ ПАРАМЕТРОВ ОБУЧАЮЩИХ ВЫБОРОК. Вестник Северо-Кавказского федерального университета. 2014;(5):15-21.
For citation:
Lagunov N.A., Mezentseva O.S. ANALYSIS AND EXPERIMENTAL RESEARCH OF DEPENDENCE BETWEEN NEURAL NETWORKS TRAINING AND TRAINING PARAMETERS SELECTION. Newsletter of North-Caucasus Federal University. 2014;(5):15-21. (In Russ.)