ДОСЛІДЖЕННЯ ШВИДКОСТІ НАВЧАННЯ НЕЙРОННИХ МЕРЕЖ В ЗАЛЕЖНОСТІ ВІД ФУНКЦІЇ АКТИВАЦІЇ

Автор(и)

  • Антон Олександрович Романов Національний авіаційній університет, Україна, Україна https://orcid.org/0000-0002-3425-0441
  • Андрій Вікторович Кравченко Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна, Україна

Ключові слова:

НЕЙРОННА МЕРЕЖА, ФУНКЦІЯ АКТИВАЦІЇ

Анотація

В роботі проведено дослідження швидкості навчання нейронної мережі в залежності від функції активації, що використовується. Було розглянуто три види функцій активації: функція Хевісайду, функція активації Сигмоїда та функція активації Гіперболічний тангенс. Було визначено, що функція активація має значний вплив якість навчання. Крім того, на швидкість та якість розв'язання задачі мають великий вплив коефіцієнти зв'язку нейронної мережі та діапазон вхідних значень даних.

Біографії авторів

Антон Олександрович Романов, Національний авіаційній університет, Україна

Факультетa аеронавігації, електроніки та телекомунікації Національний авіаційній університет, Київ, Україна

Андрій Вікторович Кравченко, Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна

Студент Навчально-наукового Інституту телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна

Посилання

Mahmoud Abbasi, Amin Shahraki, Amir Deep Learning for Network Traffic Monitoring and Analysis (NTMA): A Survey / Taherkordi 2021 https://www.sciencedirect.com/science/article/pii/S0140366421000426

Abbasi, M., Shahraki, A., & Taherkordi, A. (2021). Deep learning for Network Traffic Monitoring and Analysis (NTMA): A survey. Computer Communications, 170, 19–41. https://doi.org/10.1016/j.comcom.2021.01.021

Annette Lopez Davila, Professor Chi-Kwong Li Neural Networks: The Backpropagation Algorithm / 2020 https://cklixx.people.wm.edu/teaching/math400/Annette-paper.pdf.

Gal Vardi, Gilad Yehudai 2021 Learning a Single Neuron with Bias Using Gradient Descenthttps://papers.neurips.cc/paper_files/paper/2021/file/f0f6cc51dacebe556699ccb45e2d43a8-Paper.pdf.

Romanov, O.I., Fediushyna, D.M., Dong, T.T. Model and method of Li-Fi network calculation with multipath light signals/(2018) 2018 International Conference on Information and Telecommunication Technologies and Radio Electronics, UkrMiCo 2018. DOI: 10.1109/UkrMiCo43733.2018.9047550

##submission.downloads##

Опубліковано

2025-06-24

Як цитувати

Романов, А. О. ., & Кравченко, А. В. . (2025). ДОСЛІДЖЕННЯ ШВИДКОСТІ НАВЧАННЯ НЕЙРОННИХ МЕРЕЖ В ЗАЛЕЖНОСТІ ВІД ФУНКЦІЇ АКТИВАЦІЇ. Збірник матеріалів Міжнародної науково-технічної конференції «ПЕРСПЕКТИВИ ТЕЛЕКОМУНІКАЦІЙ», 136–138. вилучено із https://conferenc-journal.its.kpi.ua/article/view/331888

Номер

2025: Матеріали XІХ Міжнародної науково-технічної конференції "Перспективи телекомунікацій - 2025"

Розділ

Мережні, оптоволоконні технології та безпек

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Authors who submit to this conference agree to the following terms:
a) Authors retain copyright over their work, while allowing the conference to place this unpublished work under a Creative Commons Attribution License, which allows others to freely access, use, and share the work, with an acknowledgement of the work's authorship and its initial presentation at this conference.
b) Authors are able to waive the terms of the CC license and enter into separate, additional contractual arrangements for the non-exclusive distribution and subsequent publication of this work (e.g., publish a revised version in a journal, post it to an institutional repository or publish it in a book), with an acknowledgement of its initial presentation at this conference.
c) In addition, authors are encouraged to post and share their work online (e.g., in institutional repositories or on their website) at any point before and after the conference.