Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/59757
Title: Выбор функции активации и функции потерь для задачи классификации активностей человека
Other Titles: Selection of activation function and loss function for the problem of human activities classification
Authors: Венгеренко, В. В.
Лукашевич, М. М.
Keywords: материалы конференций;нейронные сети;функции активации;функции потерь;точность предсказаний
Issue Date: 2025
Publisher: БГУИР
Citation: Венгеренко, В. В. Выбор функции активации и функции потерь для задачи классификации активностей человека = Selection of activation function and loss function for the problem of human activities classification / В. В. Венгеренко, М. М. Лукашевич // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 243–252.
Abstract: Цель работы – исследовать влияние выбора функции активации и функции потерь на показатели нейросетевых моделей при решении задачи классификации активностей человека. Представлены результаты экспериментов по оценке показателей нейросетевых моделей, которые классифицируют активности человека и при этом используют различные комбинации функции активации и функции потерь. В экспериментальных исследованиях использовалась выборка из набора данных HMDB51 для 10 классов. Для рассматриваемой нейросетевой архитектуры была выявлена комбинация гиперпараметров, позволяющая достичь максимальной точности классификации.
Alternative abstract: The purpose of the research is to investigate the influence of the selection of activation function and loss function on the performance of neural network models when solving the problem of classifying human activities. The results of experiments on assessing the performance of neural network models that classify human activities and use various combinations of activation function and loss function are presented. The experimental studies used a sample from the HMDB51 dataset for 10 classes. A combination of hyperparameters was identified for the considered neural network architecture that allows achieving maximum classification accuracy.
URI: https://libeldoc.bsuir.by/handle/123456789/59757
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025)

Files in This Item:
File Description SizeFormat 
Vengerenko_Vybor.pdf1.13 MBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.