ДонНТУ   Портал магистров

Ссылки по теме выпускной работы

    Материалы магистров ДонНТУ

  1. Г.Ю. Костецкой Исследование программной модели сверточной нейронной сети для распознавания изображений человеческих лиц

    Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

    Руководитель: к.т.н., О.И. Федяев

  2. А.В. Фёдоров сследование методов контурной сегментации для построения системы оптического распознавания символов

    Описание: Персональный сайт на портале магистров ДонНТУ, 2010 г.

    Руководитель: к.т.н., доцент кафедры ПМиИ Федяев О.И.

  3. Нестеренко Д.С. Автоматическое распознавание изолированных слов русского языка на основе вейвлет-анализа

    Описание: Персональный сайт на портале магистров ДонНТУ, 2009 год

    Руководитель: к.т.н. Федяев О.И.

  4. Багликов В.Г. Разработка компьютеризированной подсистемы биометрической идентификации личности по фотопортрету

    Описание: Персональный сайт на портале магистров ДонНТУ, 2008 год

    Руководитель:доц. Меркулова Е. В.

  5. Константинов В.С. Распознавание звуковых сигналов на базе нейронных сетей

    Описание: Персональный сайт на портале магистров ДонНТУ, 2018 год

    Руководитель: Зинченко Юрий Евгеньевич

  6. Шатохин Н.А. Параллельные методы автоматического распознавания устной речи на вычислительных SIMD-архитектурах

    Описание: Персональный сайт на портале магистров ДонНТУ, 2011 год

    Руководитель: профессор, д.т.н. Фельдман Л.П.

  7. Веренич И.В. Анализ методов построения систем распознавания речи на основе гибрида скрытой марковской модели и нейросети

    Описание: Персональный сайт на портале магистров ДонНТУ, 2008 год

    Руководитель: к.т.н. Федяев О.И.

  8. Брынза Т.А. Система распознавания устной речи на основе гибридной модели

    Описание: Персональный сайт на портале магистров ДонНТУ, 2014 год

    Руководитель: к.т.н., доц. Губенко Наталия Евгеньевна

  9. Ковалев А.М.. Обучение нейронной сети, ориентированной на решение задачи идентификации параметров элементов аналогового устройства

    Описание: Персональный сайт на портале магистров ДонНТУ, 2012 год

    Руководитель: к.т.н., доц. Зинченко Юрий Евгеньевич

    10. Научные работы и статьи

  10. Neural Networks and Deep Learning

    Авторы: Michael Nielsen

    Описание: Раскрывает тему глубокого обучения нейронных сетей и отвечает на такие вопросы, как: «Почему нейросети сложно тренировать?», «Как работает алгоритм обратного распространения ошибки?».

  11. Make Your Own Neural Network

    Авторы: Tariq Rashid

    Описание: Математические принципы, лежащие в основе нейронных сетей, и предлагает написать собственную нейросеть на Python.

  12. A Brief Introduction to Neural Networks

    Авторы: D. KRIESEL

    Описание: Принципы работы нейронных сетей.

  13. Hacker's guide to Neural Networks

    Авторы: Андрей Карпаты

    Описание: Прошлое нейронных сетей и начать знакомство с технологией real-valued circuits.

  14. Deep Learning, NLP, and Representations

    Описание: Как использовать глубокие нейронные сети для обработки естественного языка (NLP). Автор также старается дать ответ на вопрос, почему работают нейронные сети.

  15. Название книги, статьи, доклада

    Авторы: Иван Васильев

    Описание: лючевые концепции и алгоритмы, стоящие за глубоким обучением, используя для этого язык программирования Java.

  16. Происхождение глубокого обучения

    Описание:Эта публикация — исторический обзор развития глубоких моделей обучения. Авторы начинают повествование с того, как появились нейронные сети, и плавно переходят к технологиям последнего десятилетия: глубоким сетям доверия, сверточным и рекуррентным нейронным сетям.

  17. DEEP REINFORCEMENT LEARNING: AN OVERVIEW

    Авторы: Brandur Ossursson

    Описание: Материал посвящен последним достижениям в отрасли глубокого обучения с подкреплением (RL). Сперва авторы обращаются к принципам глубокого обучения и обучения с подкреплением, а затем переходят к проблемам их реальной применимости: играм (AlphaGo), робототехнике, чат-ботам и др

  18. DEEP REINFORCEMENT LEARNING: AN OVERVIEW

    Авторы: Brandur Ossursson

    Описание: Материал посвящен последним достижениям в отрасли глубокого обучения с подкреплением (RL). Сперва авторы обращаются к принципам глубокого обучения и обучения с подкреплением, а затем переходят к проблемам их реальной применимости: играм (AlphaGo), робототехнике, чат-ботам и др

  19. Нейросети

    Авторы: Brandur Ossursson

    Описание: В книге рассматриваются парадигмы искусственных нейронных сетей с иллюстрациями и примерами конкретных задач. Анализируется роль нейронных сетей при решении задач распознавания образов, управления и обработки сигналов. Книга будет полезна для инженеров, специалистов в области компьютерных наук, физиков, а также для всех, кто интересуется искусственными нейронными сетями.

  20. A Fast Learning Algorithm for Deep Belief Nets

    Авторы: Geoffrey E. Hinton,Simon Osindero

    Описание: Авторы статьи предлагают алгоритм, способный обучать глубокие сети доверия (DBM) по одному слою за раз.

  21. Обучение представлений методом обратного распространения ошибки

    Авторы: David

    Описание: Считается основой концепции обучения нейронных сетей. Исторический экскурс и реализация. Рекомендуется к прочтению.

    22. Техническая и справочная литература

  22. Генерировать кресла, столы и автомобили с помощью сверточных сетей

    Концепция, представленная в этой статье, также может какосновопологающей в создании нейросетей

  23. Deep Voice: Real-time Neural Text-to-Speech

    Baidu Silicon Valley Artificial Intelligence Lab, 1195 Bordeaux Dr. Sunnyvale, CA 94089

  24. Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных

    Издание: Горячая линия - Телеком

  25. Название

    Глубокое обучение для завершения изображений, используя DCGAN ,конференкция

  26. Image Completion with Deep Learning in TensorFlow

    Текст c описанием источника

  27. Generating Faces with Torch

    Генеративной состязательной сети (GAN). журнал

  28. YOLO: обнаружение объектов в реальном времени

    Официальный источик от нвидиа

  29. PixelNet: Представление пикселей, пикселями и для пикселей

    Работа нейросети с пикселями

  30. Генеративные модели от OpenAI

    Авторы рассказывают, что это такое, где они используются и почему важны. Офиальная статья от OpenAI

  31. Генеративно-состязательная сеть в 50 строках кода

    GAN

    32. Специализированные сайты и порталы

  32. CIT-форум

    Крупнейший архив научной и практической информации по всем направлениям компьютерных наук

  33. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных

    Книга Под редакцией В.П. Боровикова>

  34. Анализ характеристик канала передачи информации на основе нейронной сети

    Книга под редакцией Л. Г. Комарцова ОС и Сети Прикладная информатика. Научные статьи

  35. Применение искусственных нейронных сетей и системы остаточных классов в криптографии

    ООО «ЛитРес» Изложенные результаты представляют значительный интерес для современных разработчиков нейросетевых криптосистем на базе системы остаточных классов.

  36. Реализация нейронной сети для распознавания изображений с помощью технологии NVIDIA CUDA

    Данная книга вышла в 2011 году в серии «Прикладная информатика. Научные статьи».снове метода Левенберга-Марквардта. С помощью технологии NVIDIA CUDA обучение построенной нейронной сети ускорено от 8 до 100 раз.

    37. Раздел по машинному обучению и анализу данных

  37. Как правильно лгать с помощью статистики

    Предвзятая выборка.Hazen Robert "Curve fitting". 1978, Science.

  38. Eulerian Video Magnification for Revealing Subtle Changes in the World;

    презентация c сайта MIT второй части алгоритма.

  39. Обучение машины

    OpenFace и dlib. официальные сайты оызскарывающие тему алгоритма Facebook

  40. sentiment analysis

  41. Deep learning

    Обзорная статья в Nature Research, написанная в соавторстве с Йошуа Бенджио и Джеффри Хинтононом с большим списком полезной литературы.

  42. Deep Learning

    Книга «Глубокое обучение», написанная Яном Гудфеллоу, Йошуа Бенджио и Аароном Курвиллем

  43. Graduate Summer School: Deep Learning, Feature Learning

    Обучение машин.Серия из 8 лекций, которые я дал в College de France в Париже.

  44. Coursera по нейронным сетям Джеффа Хинтона.

    Как связываются нейросети при машинном обучении.Курс Джеффа Хинтона

    45. Умный дом

  45. Умный дом

    Эта книга познакомит вас с концепцией «умного дома» и накопленными в этой области решениями

  46. «Умный» дом XXI века

    Как создать «умный» дом XXI века, жить в котором будет комфортно, удобно и безопасно.Книга

  47. Технология «умный дом»

    Под «умным домом» (англ. smart home) принято понимать систему домашней автоматизации. Это комплекс устройств, которые для нашего удобства сами принимают решения и выполняют рутинные задачи по дому.

  48. Блог разработчика

    Стаья написанная разработчиком при создаии умного дома

  49. Умный дом своими руками

    Статья для ITC.UA

  50. "Умный дом" Новый уровень удобства и комфорта

    Рынок технологий "умного дома". Книга В.Беляев, К.Несcемон, В.Корольков, Д.Суарес