СРАВНЕНИЕ СТРУКТУРЫ, ЭФФЕКТИВНОСТИ И СКОРОСТИ РАБОТЫ ПОЛНОСВЯЗНЫХ, СВЕРТОЧНЫХ И РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ
Рассмотрение оптимальности работы различных архитектур нейронных сетей для различных задач является на данный момент актуальной темой для исследования. В данной статье была рассмотрена эффективность работы полносвязных, рекуррентных и сверточных нейронных сетей в контексте разработки простой модели для прогноза погоды. Были рассмотрены архитектуры и принципы работы полносвязных нейронных сетей, устройство одномерных и двумерных сверточных нейронных сетей, а также архитектуру, особенности, преимущества и недостатки рекуррентных нейронных сетей: простых рекуррентных нейронных сетей, сетей LSTM и GRU, а также их двунаправленные подвиды для каждого из трех вышеперечисленных видов. На основе имеющихся теоретических материалов были разработаны простые нейронные сети для сравнения эффективности той или иной архитектуры, где в качестве критерия выступают время обучения и величина ошибки, а в качестве данных для обучения: температура, скорость ветра и атмосферное давление. Были рассмотрены скорость обучения, минимальное и среднее значение ошибки для полносвязной нейронной сети, сверточной нейронной сети, простой рекуррентной сети, LSTM и GRU, а также для двунаправленных рекуррентных нейронных сетей. На основе полученных результатов был проведен анализ возможных причин эффективности той или иной архитектур. На основе полученных данных были построены графики зависимости скорости работы от величины ошибки для трех исследуемых наборов данных: температуры, скорости ветра и атмосферного давления, а также сделаны выводы об эффективности определенной модели в контексте прогноза временных рядов метеорологических данных. Полученные результаты планируется использовать в дальнейших работах со смежными темами, либо развивать данную тему.
Шапалин В.Г., Николаенко Д.В. Сравнение устройства, эффективности и скорости работы прямых, сверточных и рекуррентных нейронных сетей // Научный результат. Информационные технологии. – Т.9, №4, 2024. С. 21-35. DOI: 10.18413/2518-1092-2024-9-4-0-3
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.