| DC Field | Value | Language |
|---|
| dc.contributor.author | Демещенко, М. В. | - |
| dc.contributor.author | Марковец, Р. С. | - |
| dc.contributor.author | Сугако, Т. А. | - |
| dc.contributor.author | Владымцев, В. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2023-08-30T08:20:22Z | - |
| dc.date.available | 2023-08-30T08:20:22Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Функции активации = Activation functions / Демещенко М. В. [и др.] // Компьютерные системы и сети : сборник статей 59-й научной конференции аспирантов, магистрантов и студентов, Минск, 17–21 апреля 2023 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2023. – С. 333–340. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/52657 | - |
| dc.description.abstract | Данная статья посвящена функциям активации - важной составляющей нейронных сетей. В статье
рассматриваются основные принципы работы функций активации, их роль в моделировании нелинейных зависимостей между входными и выходными данными, а также области их применения. Также в статье рассматриваются различные виды функций активации, такие как сигмоидная, гиперболический тангенс, ReLU и другие. Описываются их особенности и преимущества, а также рекомендации по выбору функции активации для конкретной задачи. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | функции активации | en_US |
| dc.title | Функции активации | en_US |
| dc.title.alternative | Activation functions | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This paper focuses on activation functions, an important component of neural networks. The paper discusses the basic principles of activation functions, their role in modelling non-linear dependencies between input and output data, and their application areas. Various types of activation functions, such as sigmoid, hyperbolic tangent, ReLU and others are also considered. Their features and advantages are described, as well as recommendations for choosing an activation function for a particular task. | en_US |
| Appears in Collections: | Компьютерные системы и сети : материалы 59-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2023)
|
