Швець Вікторія Олександрівна2025-10-272025-10-272024Швець В. О. (2024) Розробка рекурентної нейронної мережі для прогнозування символів. 122 «Комп’ютерні науки» Державний торговельно економічний університет.Репозитарій Державного торговельно-економічного університету.https://ur.knute.edu.ua/handle/123456789/12099ВИПУСКНА КВАЛІФІКАЦІЙНА РОБОТАУ 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.ukAttribution-NonCommercial-NoDerivatives 4.0 InternationalBachelor Thesis