УВАГА! Нова платформа наукового журналу "Зовнішня торгівля: економіка, фінанси, право".
Перейти за посиланням -  http://journals.knute.edu.ua/foreign-trade
 

 ПОЛНЫЙ ТЕКСТ (PDF) 

UDC 004.94=111   DOI: https://doi.org/10.31617/zt.knute.2019(104)07
КРИВОРУЧКО Елена,

E-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
ORCID: 0000-0002-7661-9227
  д. т. н., профессор, заведующий кафедрой программной инженерии  
и кибербезопасности Киевского национального
торгово-экономического университета
ул. Киото, 19, г. Киев, 02156, Украина
     
ХОРОЛЬСКАЯ Карина,
E-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
ORCID: 0000-0003-3270-4494
  Бекэнд разработчик, 

Softorino Inc., Хантингтон Бич, Калифорния, США
     
ЧУБАЄВСКИЙ Виталий,
E-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
ORCID:0000-0001-8078-2652
  к. полит. н., доцент кафедры программной инженерии  и кибербезопасности Киевского национального торгово-экономического университета
ул. Киото, 19, г. Киев, 02156, Украина
 

ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В РАСПОЗНАВАНИИ ИЗОБРАЖЕНИЙ 

Рассмотрено функционирование и сформирована классификация элементарных объектов изображений. Класси­фикационная характе­ристика является важной частью, которая решает ряд актуальных задач – от создания единого информационного языка для автоматизированных систем до унификации и стандартизации.
 
Ключевые слова: нейронная сеть, объект распознавания, класси­фикация, домены.

REFERENCES 

  1. Alexandre, L. A. (2016). 3D Object Recognition Using Convolutional Neural Networks with Transfer Learning Between Input Channels. In: Menegatti E., Michael N., Berns K., Yamaguchi H. (Eds). Intelligent Autonomous Systems 13. Advances in Intelligent Systems and Computing. (vol. 302). Springer, Cham. DOI: https://doi.org/10.1007/978-3-319-08338-4_64 [in English].
  2. Andre, Esteva, & Brett, Kuprel (2017).Dermatologist-level classification of skin cancer with deep neural networks. (Vol. 542), (pp. 115–118). 02 February. Retrieved from https://www.nature.com/articles/nature21056?TB_iframe=true&width=914.4&height=921.6. DOI: https://doi.org/10.1038/nature21056 [in English].
  3. Popescu, A. C., & Farid, H. (2005). Exposing digital forgeries by detecting traces of resampling. IEEE Transactions on signal processing. (Vol. 53), 2, (pp. 758-767). DOI: https://doi.org/10.1109/TSP.2004.839932 [in English].
  4. Qian, Y., Dong, J., Wang, W., & Tan, T. (2015). Deep learning for steganalysis via convolutional neural networks. Media Watermarking, Security and Forensics. (Vol. 9409), (pp. 94 090J). DOI: https://doi.org/10.1117/12.2083479 [in English].
  5. Lin, M., Chen, Q., & Yan, S. (2014). Network in network, in International Conference on Learning Representations [in English].
  6. Ciresan, D. C., Meier, U. J., Masci, Gambardella L. M., & Schmidhuber J. (2011). High-performance neural networks for visual object classification. Arxiv preprint arXiv:1102.0183 [in English].
  7. Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks, in Advances in neural information processing systems, (pp. 1097-1105) [in English].