Розробка рекурентної нейронної мережі для прогнозування символів
Вантажиться...
Дата
2024
Автори
Affiliation
Назва журналу
Номер ISSN
Назва тому
Видавець
Державний торговельно-економічний університет
Анотація
У випускній кваліфікаційній роботі проведено комплексне дослідження можливостей застосування рекурентних нейронних мереж (RNN) для прогнозування символів. Розглянуто застосування глибокого навчання для обробки послідовних даних з урахуванням попереднього контексту, зокрема тексту , що має важливе значення для задач генерування тексту. У роботі проаналізовано теоретичні аспекти роботи RNN, включаючи їхні архітектури, такі як LSTM і GRU. На основі цього дослідження розроблено та навчено модель RNN для вирішення поставлених завдань. Додатково було включено компонент для аналізу настроїв, відомий як сентимент-аналіз. Цей компонент дозволяє моделі не лише генерувати текст, але й визначати емоційний тон вхідних даних та генерованого тексту. В кінці проведено експерименти з оцінки ефективності та порівняння результатів моделей. Ключові слова: рекурентні нейронні мережі, глибоке навчання, прогнозування символів, сентимент-аналіз, обробка послідовних даних.
Опис
ВИПУСКНА КВАЛІФІКАЦІЙНА РОБОТА
Ключові слова
Бібліографічний опис
Швець В. О. (2024) Розробка рекурентної нейронної мережі для прогнозування символів. 122 «Комп’ютерні науки» Державний торговельно економічний університет.Репозитарій Державного торговельно-економічного університету.