АНАЛИЗ И ПРИМЕНЕНИЕ ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫХ СЕТЕЙ ДЛЯ ПОЛУЧЕНИЯ ИЗОБРАЖЕНИЙ ВЫСОКОГО КАЧЕСТВА
Аннотация и ключевые слова
Аннотация (русский):
В статье рассматриваются генеративно-состязательные сети для получения изображений высокого качества. Представлены модели, архитектура и сравнение работы сетей.Рассмотрены особенности построения моделей глубокого обучения в процессе выполнения задачи суперразрешения, а также методами связанные с улучшением производительности.

Ключевые слова:
нейронная сеть, высокое разрешение, генерирование, глубокое обучение, изображения
Список литературы

1. Аггарвал, Ч. Нейронные сети и глубокое обучение: учебный курс: Перевод с английского [Текст] / Ч. Аггарвал. – СПб,:ООО “Диалектика”, 2020. – 752 с. - ISBN 978-5-907203-01-3.

2. Жадаев, Д.С. Особенности нейросетевого анализа уровня подготовки студентов в процессе адаптивного тестирования их профессиональных компетенций [Текст] / Д.С. Жадаев, А.А. Кузьменко, В.В. Спасенников // Вестник Брянского государственного технического университета – 2019. - №2(75). – С. 90-98.

3. Николенко, С. Глубокое обучение. Погружение в мир нейронных сетей [Текст] / С. Николенко, А. Кадурин, Е. Архангельская.- СПб.: Издательский дом «Питер», 2018. – 482 с.

4. Патент RU 2309457 Модель нейронной сети МПК G06N3/06 / К.Н. Шевченко, Н.В. Шевченко, Б.В. Шульгин Приоритет 06.05.2006, Опубликовано 27.10.2007, БИ. №30.

5. Гудфеллоу, И. Дж. Генеративные состязательные сети, в: Advances в системах обработки нейронной информации [Текст] / И. Дж. Гудфеллоу, Дж. Пуже-Абади, М. Мирза, Б. Сюй, Д. Вард-Фарли, С. Озэр, А.С. Курвиль, Ю. Бенжио // 27-я Ежегодная конференция по нейронным системам. – 2014. – С. 2672-2680.

6. Бокс, Дж. Анализ временных рядов: прогнозирование и контроль [Текст] / Дж. Бокс, Д.М. Дженкинс // Journal of Time. - №31. – 1976. – C. 238-242.

7. Дин, X. Глубокое обучение для прогнозирования акций на основе событий, в: Материалы Двадцать четвертой Международной совместной конференции по искусственному интеллекту [Текст] / Х. Дин, Ю. Чжан, Т. Лю, Дж. Дуань // IJCAI, 2015. – С. 2327-2333.

8. Синюй, Чж, Прогноз фондового рынка. Высокочастотные данные с использованием генеративных состязательных сетей [Текст] / Чж. Синюй, П. Чжисун, Х. Гую, Т. Сыци, Ч. Чжао // Математические проблемы. Инжиниринг. – 2018. – С. 7-10.

9. Разер, А.М. Рекуррентная нейронная сеть и гибридная модель для прогнозирования доходности акций [Текст] / А.М. Разер, А. Агарвал, В.Н. Састри // Экспертная система. Appl., - №42. – 2015. - С. 3234-3241.

10. Цантэкидис, А. Прогнозирование цен на акции из книги лимитных заявок с помощью сверточных нейронных сетей [Текст] / А. Цантэкидис, Н. Пассалис, А. Тефас, Дж. Канниайнен, М. Габбудж, А. Иосифидис // 19-е. Кон-ференция IEEE по бизнес-информатике, CBI 2017. – С. 7–12.

11. Zeiler, M. Visualising and understanding convolution-networks. European Conferenceon Computer Vision [Электронный ресурс] / M. Zeiler, R. Fergus. – URL: https://arxiv.org/pdf/1311.2901.pdf (дата обращения 29.09.2020).

12. Zhang, H. Characterlevel convolutional networks for text classification [Текст] / H. Zhang, J. Zhao, Y. Le Cun // NIPS Conference. – 2015. - C. 649-657.

Войти или Создать
* Забыли пароль?