Калибровочные эквивариантные сверточные нейронные сети : магистерская диссертация

Abstract

Искусственные нейронные сети – это концепция, которая исследуется с середины XX века, но до сих пор но только сейчас они переживают очень высокий темп роста. Благодаря значительным улучшениям в их поведения, за последние годы их использование перешло от использования только в академических целях до полностью внедрено и функционирует в нашей жизни. Эти нейронные сети являются системами, которые используются во многих различных приложениях в настоящее время. Таким образом, это дает нам главная особенность нейронных сетей: эти системы легко построить, самая большая проблема заключается в реализации алгоритма обучения, который состоит из следующих элементов алгоритм обучения, который состоит из нескольких очень простых итеративных математических операций (даже меньше, если мы используем и, в тоже время, это очень мощные системы.

Artificial neural networks are a concept that has been researched since the middle of the 20th century, but until now, but only now, they are experiencing a very high rate of growth. Due to significant improvements in their behavior, in recent years their use has gone from being used for academic purposes only to being fully implemented and functioning in our lives. These neural networks are systems that are used in many different applications nowadays. Thus, this gives us the main feature of neural networks: these systems are easy to build, the biggest problem is to implement a learning algorithm, which consists of the following elements, a learning algorithm that consists of several very simple iterative mathematical operations (even less if we use and At the same time, these are very powerful systems.