DOI: 10.18413/2518-1092-2024-9-4-0-6

ПРИМЕНЕНИЕ МОДЕЛЕЙ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ГЕНЕРАЦИИ ТЕКСТОВЫХ ДАННЫХ СПЕЦИФИКАЦИИ СБОРОЧНЫХ ЧЕРТЕЖЕЙ

Владимир Дмитриевич Колесников
Петр Степанович Кабалянц

В статье исследуются возможности различных моделей рекуррентных нейронных сетей в генерации текстовых данных. В частности, рассматриваются модели классической рекуррентной сети (RNN), сети с долгой краткосрочной памятью (LSTM) и генеративно-состязательной сети (GAN) в контексте задачи генерации текста спецификации для сборочных чертежей согласно формату, утверждённому ГОСТом. Для обучения моделей был использован набор данных на русском языке, расширенный дополнительными записями, имитирующими входные наборы деталей чертежей и ожидаемый текст спецификаций. Сделан вывод, что что максимальное соотношение ответов без ошибок ко всем ответам, сгенерированным моделями, имеют генеративно-состязательные сети (GAN).

Ключевые слова: генерация текста, языковые модели, нейронные сети, рекуррентные-нейронные сети, генеративно-состязательной сети, спецификация чертежей.

Количество просмотров: 7 (смотреть статистику)

Количество скачиваний: 8

Полный текст (PDF)К списку статей

Информация для цитирования:

Колесников В.Д., Кабалянц П.С. Применение моделей рекуррентных нейронных сетей для генерации текстовых данных спецификации сборочных чертежей // Научный результат. Информационные технологии. – Т.9, №4, 2024. – С. 51-57. DOI: 10.18413/2518-1092-2024-9-4-0-6

Комментарии
Список литературы

Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.

Imran A.S., Yang R., Kastrati Z., Daudpota S.M., Shaiks S. The impact of synthetic text generation for sentiment analysis using GAN based models // Egyptian Informatics Journal. – Volume 23. – Issue 3. – 2022. –
pp. 547-557.
Subasi F. Practical Machine Learning for Data Analysis Using Python. Academic Press. – 2020. –
pp. 91-202.
Shrouti D., Bayas A., Joshi N., Misal M., Mahajan S., Gite S. Story Generation Using GAN, RNN and LSTM. In: Garg D., Rodrigues J.J.P.C., Gupta S.K., Cheng X., Sarao P., Patel G.S. (eds) Advanced Computing. IACC 2023. Communications in Computer and Information Science. – vol. 2053. – 2024. https://doi.org/10.1007/978-3-031-56700-1_16, pp. 193-204.
Li Y., Pan Q., Wang S., Yang T., Cambria, E. A Generative Model for category text generation. Information Sciences. – 2018. – Volume 450. – pp. 301-315.
Dychka I., Legeza V., Oleshenko L., Bohutskiy D. Advances in Computer Science for Engineering and Education III, 2020. – pp. 344-346.
Tee T.H., Bei Yeap B.Q., Gan K.H., Tan T.P. Learning to Automatically Generating Genre-Specific Song Lyrics: A Comparative Study. In: Villazón-Terrazas B., Ortiz-Rodriguez F., Tiwari S., Sicilia M.A., Martín-Moncunill D. (eds) Knowledge Graphs and Semantic Web. KGSWC 2022. Communications in Computer and Information Science, vol 1686.https://doi.org/10.1007/978-3-031-21422-6_5, 2022. – pp. 62-75.
Dhall I., Vashisth S. Micro-Electronics and Telecommunication Engineering. 2020. – pp. 649-657.
Goodfellow I.J., Pouget-Abadie J., Mirza M., Xu B., Warde-Farley D., Ozair S., Courville F., Bengio Y. Generative Adversarial Nets. Département d’informatique et de recherche opérationnelle, Université de Montréal, Montréal, 2014. – p. 9.
Kusner M., Hernández-Lobato J.M. GANS for Sequences of Discrete Elements with the Gumbel-softmax Distribution, 2016. – p. 6.
Yu L., Zhang W., Wang J., Yu Y. SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient, Shanghai Jiao Tong University, 2016. – pp. 2852-2858.
Зуев С.В., Кабалянц П.С., Поляков В.М. Выявление аномалий в потоке с помощью фрактальной размерности графа нейронной сети обработки данных // Информационные системы и технологии. – 2021. –№ 5 (127). – С. 31-38

Все журналы

Отправить статью

Научный результат. Информационные технологии включен в научную базу РИНЦ (лицензионный договор № 765-12/2014 от 08.12.2014).

Журнал включен в перечень рецензируемых научных изданий, рекомендуемых ВАК

Журнал индексируется следующими научными базами и платформами

Научный результат. Научный результат. Информационные технологии (ISSN 2518-1092)

The journal materials and website are licensed under Creative Commons «Attribution» 4.0 International.

Учредитель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Издатель: федеральное государственное автономное образовательное учреждение высшего образования «Белгородский государственный национальный исследовательский университет» (НИУ «БелГУ»). Адрес: 308015, Белгородская область, г. Белгород, ул. Победы, 85.

Редакция: главный редактор Черноморец Андрей Алексеевич, e-mail: RR_IT@bsuedu.ru, тел.: +7 (4722) 30-13-92.

Зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор)

Свидетельство о регистрации СМИ

Информационное письмо (русс. яз)

Остались вопросы?
Можете написать нам:

✉ Ответственный cекретарь

✉ Администратор сайта

✉ Контент менеджер