Central AsianResearch Index

ҚОЛЖАЗБА БЕЙНЕЛЕРІН ТАНЫП БІЛУ ҮШІН CNN-LSTM НЕЙРОЖЕЛІЛІК МОДЕЛЬДІ ҚОЛДАНУ ЕРЕКШЕЛІКТЕРІ

Бұрынғы зерттеулерде ұзақ қысқа мерзімді жадының реккурентті нейрондық желісі және үйірткілі нейрондық желі қолжазба мәтіннің биометриялық бейнелерін танып білу үшін ең тиімді нейрожелілік үлгілері ретінде анықталды. Мақалада үйірткілі нейрондық желінің құрылымы, LSTM-модулінің құрылымы CNN-LSTM композиттік нейрондық желі үлгісінде олардың мүмкіндіктерін біріктіру үшін қарастырылады. LSTM-модулін үйірткілі нейрондық желіде үйірткілі нейрондық қабат ретінде пайдалану ұсынылады. LSTM-модулін қолжазбаны танып білу ерекшеліктеріне бейімдеу үшін оның математикалық аппараты мен құрылымдық ерекшеліктері қарастырылды және талданды. Талдау нәтижелері LSTM-модулі атомарлық объект екенін көрсетті, сондықтан бейімделу қажет емес. Сондықтан танып білу үшін қолжазба мәтінінің белгісіз ұзындығы кезінде CNN-LSTM композиттік нейрожелілік моделінде алдымен үйірткілі нейрондық желіден қалған құрылымдық параметрлерді бейімдеу қажет екендігі анықталды. Үйірткілі нейрондық желілердің математикалық аппараты қарастырылып, негізгі құрылымдық параметрлері анықталады. Сонымен қатар, танып білу қателерін азайту қажеттілігін ескере отырып, үйірткілі нейрондық желінің құрылымдық параметрлерін оңтайландыру үшін модель әзірленді.

Сведения

Опубликовано
2022 · Т. 120, № 1, С. 127-133
Язык
Казахский
ISSN
1609-1817 · 2790-5802
Издатель
JSC Academy of Logistics and Transport