НЕЙРОННЫЕ СЕТИ КАК ИНСТРУМЕНТ МАТЕМАТИЧЕСКИХ ВЫЧИСЛЕНИЙ

2025

Full text Open access: Gold Metadata (CSL-JSON)
DOI 10.54309/ijict.2025.22.2.010
Data confidence 85 high
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

В настоящее время нейронные сети активно применяются практически во всех сферах науки и практики. Однако специалисты в областях, не связанных напрямую с математикой, зачастую упускают из виду, что в основе современных глубоких нейронных сетей лежит значительный математический аппарат. Недостаток понимания этих основ порождает определённые трудности в исследовательской деятельности, особенно при разработке и интерпретации моделей. Следует отметить, что каждая модель нейронной сети, вне зависимости от уровня её сложности, базируется на математических конструкциях — от элементарных выражений до многоуровневых структур. В данной статье рассматриваются ключевые математические аспекты, лежащие в основе архитектуры нейронных сетей, а также раскрывается их значимость в контексте практического применения. Особое внимание уделяется популяризации математической базы среди преподавателей и специалистов различных предметных областей с целью частичного преодоления существующего междисциплинарного разрыва в понимании природы нейросетевых моделей.