Розробка рекурентної нейронної мережі для прогнозування символів
| dc.contributor.author | Швець Вікторія Олександрівна | |
| dc.date.accessioned | 2025-10-27T13:27:06Z | |
| dc.date.available | 2025-10-27T13:27:06Z | |
| dc.date.issued | 2024 | |
| dc.description | ВИПУСКНА КВАЛІФІКАЦІЙНА РОБОТА | |
| dc.description.abstract | 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. | uk |
| dc.description.abstractother | In the final qualification work, a comprehensive study of the possibilities of using recurrent neural networks (RNNs) for character prediction was conducted. The application of deep learning for processing sequential data with the previous context, including text, was investigated, which is important for text generation tasks. The theoretical aspects of RNNs, including their architectures, such as LSTM and GRU, were analyzed. Based on this research, an RNN model was developed and trained to solve the tasks at hand. Additionally, a mood analysis component known as sentiment analysis was included. This component allows the model not only to generate text, but also to determine the emotional tone of the input data and the generated text. Finally, experiments were conducted to evaluate the effectiveness and compare the results of the models. Keywords: recurrent neural networks, deep learning, character prediction, sentiment analysis, sequential data processing. | en_US |
| dc.identifier.citation | Швець В. О. (2024) Розробка рекурентної нейронної мережі для прогнозування символів. 122 «Комп’ютерні науки» Державний торговельно економічний університет.Репозитарій Державного торговельно-економічного університету. | |
| dc.identifier.uri | https://ur.knute.edu.ua/handle/123456789/12099 | |
| dc.language.iso | uk | |
| dc.publisher | Державний торговельно-економічний університет | |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.title | Розробка рекурентної нейронної мережі для прогнозування символів | uk |
| dc.type | Bachelor Thesis |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 147 B
- Формат:
- Item-specific license agreed to upon submission
- Опис: