СВЁРТОЧНЫЕ И ГЛУБОКИЕ НЕЙРОННЫЕ СЕТИ

2023

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.52167/1609-1817-2023-126-3-189-197
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Подход на основе современных методов машинного обучения делает возможным корректный анализ поведенческих факторов в автоматическом режиме, что является необходимой составной частью современных систем мониторинга, контроля доступа, различных маркетинговых инструментов и т.д. В статье рассмотрены современные подходы к машинному обучению, включая глубокое обучение и тензоризацию искусственных нейронных сетей, предложена разработка нейросетевого классификатора для анализа поведенческих факторов на языке программирования python, приведены результаты построения нейросетевого классификатора для задачи автоматизированной аутентификации пользователей.