Bibliografia publikacji pracowników
Państwowej Szkoły Wyższej w Białej Podlaskiej
Baza tworzona przez Bibliotekę Akademii Bialskiej im. Jana Pawła II.
Zapytanie:
MIKHNO EGOR Liczba odnalezionych rekordów: 5
Przejście do opcji zmiany formatu | Wyświetl/ukryj etykiety | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Nowe wyszukiwanie Streszczenie: Unsupervised learning based on restricted Boltzmann machine or autoencoders has become an important research domain in the area of neural networks. In this paper mathematical expressions to adaptive learning step calculation for RBM with ReLU transfer function are proposed. As a result, we can automatically estimate the step size that minimizes the loss function of the neural network and correspondingly update the learning step in every iteration. We give a theoretical justification for the proposed adaptive learning rate approach, which is based on the steepest descent method. The proposed technique for adaptive learning rate estimation is compared with the existing constant step and Adam methods in terms of generalization ability and loss function. We demonstrate that the proposed approach provides better performance.
2/5
Nr opisu: 0000046270 Autorzy: Vladimir Golovko, Egor Mikhno, Aliaksandr Kroshchanka, Marta Chodyka, Piotr Lichograj. Tytuł pracy: Adaptive Learning Rate for Unsupervised Learning of Deep Neural Networks Tytuł całości: W: 2023 International Joint Conference on Neural Networks (IJCNN) Proceedings, 18-23 June 2023, Gold Coast, Australia Miejsce wydania: [Piscataway] Wydawca: Institute of Electrical and Electronics Engineers Inc. Rok wydania: 2023 Strony zajęte przez pracę: P. 1-6 ISBN: 978-1-6654-8867-9 Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: publikacja w recenzowanych mat. konf. międzynar. z wykazu Język publikacji: ENG Punktacja ministerstwa: 70.000 Słowa kluczowe ang.: adaptive training step ; deep learning ; unsupervised learning https://ieeexplore.ieee.org/document/10191642 DOI: 10.1109/IJCNN54540.2023.10191642 Streszczenie: In this paper an approach for adaptive learning step calculation using ReLU transfer function in neural network is proposed. This adaptive learning rate aims to automatically choose the step size that minimizes the objective function of neural network. We give a theoretical justification for the proposed adaptive learning rate approach, which is based on the steepest descent method. The main contribution of this paper is a novel technique for adaptive learning rate calculation, if we use ReLU transfer function. The experiments in data compression datasets show that proposed approach provides better generalization capability (test set accuracy) and permits to choose the learning rate automatically.
3/5
Nr opisu: 0000044271 Autorzy: Aliaksandr Kroshchanka, Vladimir Golovko, Egor Mikhno, Mikhail Kovalev, Vadim Zahariev, Aleksandr Zagorskij. Tytuł pracy: A Neural-Symbolic Approach to Computer Vision Tytuł całości: W: Open Semantic Technologies for Intelligent Systems : 11th International Conference, OSTIS 2021, Minsk, Belarus, September 16-18, 2021. Revised Selected Papers / eds. Vladimir Golenkov, Viktor Krasnoproshin, Vladimir Golovko, Daniil Shunkevich Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2022 Seria: Communications in Computer and Information Science, 1865-0929, Vol. 1625 Strony zajęte przez pracę: P. 282-309 ISBN: 978-3-031-15881-0 Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: artificial neural networks ; computer vision ; knowledge base ; logical inference ; neurosymbolic AI Uwaga: Kopia dostępna w Sekcji Bibliometrii. DOI: 10.1007/978-3-031-15882-7_15
4/5
Nr opisu: 0000041410 Autorzy: Vladimir Golovko, Alexander Kroshchanka, Egor Mikhno, Myroslav Komar, Anatoliy Sachenko. Tytuł pracy: Deep Convolutional Neural Network for Detection of Solar Panels Tytuł całości: W: Data-Centric Business and Applications : ICT Systems-Theory, Radio-Electronics, Information Technologies and Cybersecurity, Vol. 5 / editors Tamara Radivilova, Dmytro Ageyev, Natalia Kryvinska Miejsce wydania: Cham Wydawca: Springer Rok wydania: 2021 Seria: Lecture Notes on Data Engineering and Communications Technologies, 2367-4512, Vol. 48 Strony zajęte przez pracę: P. 371-389 ISBN: 978-3-030-43069-6 Kopia niedostępna: x Charakterystyka formalna: rozdział w monografii zagranicznej Charakterystyka wg MNiSW: rozdział w monografii z wykazu MEiN Język publikacji: ENG Słowa kluczowe ang.: convolutional neural network ; deep learning ; detection ; determining the presence ; images ; low-resolution photos ; photovoltaic ; solar panel
5/5
Nr opisu: 0000042332 Autorzy: Vladimir Golovko, Aliaksandr Kroshchanka, Egor Mikhno, Myroslav Komar, Anatoliy Sachenko, Sergei Bezobrazov, Inna Shylinska. Tytuł pracy: Deep Convolutional Neural Network for Recognizing the Images of Text Documents Tytuł całości: W: Modern Machine Learning Technologies and Data Science Workshop : Workshop Proceeding of the 8th International Conference on "Mathematics. Information Technologies. Education", MomLeT&DS Workshop 2019 / ed. by Michael Emmerich, Vasyl Lytvyn, Iryna Yevseyeva, Vitor Basto-Fernandes, Dmytro Dosyn, Victoria Vysotska Miejsce wydania: Ukraine Wydawca: Rok wydania: 2019 Seria: CEUR Workshop Proceedings, ISSN 1613-0073, Vol. 2386 Strony zajęte przez pracę: S. 297-306 Charakterystyka formalna: referat w materiałach pokonferencyjnych zagranicznych Charakterystyka merytoryczna: konferencja naukowa międzynarodowa Język publikacji: ENG Słowa kluczowe ang.: object detection ; deep convolutional neural network ; labeling images ; image preprocessing ; text image Inne bazy podające opis: