Page 29 - ИССЛЕДОВАНИЯ И ИННОВАЦИИ СИНЕРГИЯ ЗНАНИЙ И ПРАКТИКИ ч1
P. 29
«Исследования и инновации: синергия знаний и практики»
Заключение
Важной задачей в области искусственного интеллекта
и машинного обучения является повышение эффективности
и надежности обучения. Существует множество методов и методик,
направленных на повышение эффективности и надежности обучения.
Будущее развитие алгоритмов оптимизации и архитектур нейронных
сетей позволит решать более сложные задачи с высокой точностью.
Библиографический список:
1. Алексеев И. В., и др. Глубокое обучение и нейронные сети:
современные подходы. — М.: Лаборатория знаний, 2021. — 340 с.
2. Иванов С. А., Малахов В. В. Современные методы машинного
обучения. — СПб.: Лань, 2021. — 256 с.
3. Петров А. И., Смирнов К. В. Методы оптимизации
в машинном обучении. — М.: Вузовская книга, 2022. — 280 с.
4. Кузнецов Н. М., Соколов П. А. Нейронные сети и их
применение в анализе данных. — М.: Издательство МГТУ, 2020. —
320 с.
5. Лебедев Д. А., Тихонов Р . В. Машинное обучение и глубокие
нейронные сети. — М.: Мир, 2020. — 350 с.
6. Павлов В. Н., Родионов Ю. В. Нейронные сети: теория
и практика. — СПб.: БХВ-Петербург, 2021. — 290 с.
7. Сергеев М. Ю., Фомин Д. В. Алгоритмы и архитектуры
глубокого обучения. — М.: Техносфера, 2022. — 310 с.
8. Третьяков В. В., Жуков П. В. Обработка больших данных
с использованием нейронных сетей. — М.: ДМК Пресс, 2022. — 275 с.
9. Антонов К. А., Воронцов А. А. Адаптивные методы обучения
нейронных сетей. — СПб.: Питер, 2023. — 260 с.
29
