FEATURES OF DEEP LEARNING OF NEURAL NETWORKS

The article discusses the features of deep learning of neural networks. Methodologies such as the reinforcement system, supervised learning, the method of local minimum or maximum function in supervised learning are considered. A modification of gradient descent – stochastic gradient descent – is described, examples of solving problems based on this tool are given.

1. Голенков В. В. Инструментальные средства проектирования интеллектуальных обучающих систем / В. В. Голенков, Н. А. Гулякина, О. Е. Елисеева. – Минск: Белорусский государственный университет информатики и радиоэлектроники, 1999. – 101 с. – URL: https://www.bsuir.by/m/48815.pdf (дата обращения: 06.10.2022).

2. Горбаченко В. И. Интеллектуальные системы: нечеткие системы и сети: учебное пособие для вузов / В. И. Горбаченко, Б. С. Ахметов, О. Ю. Кузнецова. –2-е изд., испр. и доп. – Москва: Издательство Юрайт, 2023. –105 с. – (Высшее образование). – ISBN 978-5-534-08359-0. – Текст: электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/514580 (дата обращения: 19.10.2022).

3. Инструменты для разработки искусственного интеллекта и машинного обучения [Электронный ресурс]. Режим доступа: http://digitrode.ru/articles/1644-instrumenty-dlya-razrabotki-iskusstvennogo-intellekta-i-mashinnogo-obucheniya.html (дата обращения: 17.10.2022).

4. Линкина А. В. Информационное обеспечение цифровых технологий в агропромышленном комплексе / А. В. Линкина, И. Ю. Богданчиков // Вестник Воронежского института высоких технологий. – 2021. – № 2 (37). – С. 25-27.

5. Львович А. И. Алгоритмизация процесса визуально-экспертного моделирования при оптимизации управления развитием организационных систем с использованием мониторинговой информации / А. И. Львович, А. П. Преображенский. // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10. – №1 (36). – [Электронный ресурс]: https://moitvivt.ru/ru/journal/article?id=1154 (дата обращения 10.09.2022).

6. Мельникова Т. В. Моделирование обработки больших массивов данных в распределенных информационно-телекоммуникационных системах / Т. В. Мельникова, М. В. Питолин, Преображенский Ю. П. // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10. – № 1 (36). – [Электронный ресурс]: https://moitvivt.ru/journal/article?id=1117 (дата обращения: 10.09.2022)

7. Платонов А. В. Машинное обучение: учебное пособие для вузов / А. В. Платонов. – Москва: Издательство Юрайт, 2023. – 85 с. – (Высшее образование). – ISBN 978-5-534-15561-7. – Текст: электронный // Образовательная платформа Юрайт [сайт]. – URL: https://urait.ru/bcode/520544 (дата обращения: 15.10.2022)

8. Системы искусственного интеллекта [Электронный ресурс]. Режим доступа: http://www.machinelearning.ru/wiki/index.php?title=Системы_искусственного_интеллекта_(курс_лекций,_Д.В.Михайлов) (дата обращения: 15.10.2022).

9. Чупринская Ю. Л. Краткий обзор современных технологических трендов в контексте цифровой трансформации / Ю. Л. Чупринская, А. В. Линкина // Вестник Воронежского института высоких технологий. – 2022. – № 1 (40). – С. 107-109.