Сборник тезисов. Международная научно-практическая конференция «IBLS-Конференция 2024». Москва, 3-4 апреля 2024 г. - страница 2

Шрифт
Интервал


председатель оргкомитета ЧОУ ОО “МШСО”


Секция “Естественные и точные науки”

Члены жюри: А. А. Баранников, А. С. Богачёва, Р. И. Вербицкая, А. Г. Корнилова, А. А. Мартыненко, Я. С. Рязанова.


Секция “Социально-гуманитарные науки”

Члены жюри: В. В. Корнилов, С. С. Пахотин, И. А. Шалфеев.


Секция “Филологические науки”

Члены жюри: Т. В. Андреева, И. А. Верховых, Н. А. Драгина, А. Н. Каррыева, Н. В. Мельченкова, Е. А. Русанова, Л. В. Талзи.


Секция “Я познаю мир”

Члены жюри: М. В. Барболина, О. В. Безяева, Н. П. Гратилова, Л. Н. Грибенкова, А. В. Громова, С. В. Жаворонкова, Н. В. Зализняк, Н. Ю. Захарова, О. А. Калмык, Э. Р. Натарова, Н. А. Попова, С. А. Радова, Л. В. Талзи, Е. А. Хмелевская.

Естественные и точные науки

УСТРОЙСТВО И ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ

(THE STRUCTURE AND APPLICATION OF NEURAL NETWORKS)

Барановский Егор Дмитриевич, ученик 10 класса ЧОУ ОО МШСО

Научный руководитель – Вербицкая Руслана Ивановна

г. Москва, Россия, egoga0075050@gmail.com


Нейронные сети являются одной из наиболее активно развивающихся и перспективных областей искусственного интеллекта в настоящее время. Их уникальная способность обучаться на данных и выявлять сложные закономерности делает их незаменимыми для решения широкого круга задач в различных сферах – от распознавания образов и обработки естественного языка до медицинской диагностики, и управления автономными системами.

Несмотря на широкое распространение, принцип работы нейронных сетей для многих остаётся “чёрным ящиком” из-за высокой сложности. Создание простых наглядных моделей важно для лучшего понимания и обучения нейросетевым технологиям.

Цель работы: создать упрощённую, действующую модель нейронной сети на языке Python. С помощью этой модели продемонстрировать и объяснить работу нейронных сетей и принципы их обучения.

Для достижения цели были поставлены следующие задачи:

1. Изучить, что такое нейронные сети и области применения.

2. Познакомиться с классификацией нейронных сетей.

3. Изучить устройство нейронной сети и принципы её обучения.

4. Разработать и написать на языке Python модель простейшей нейронной сети.

5. Продемонстрировать и объяснить работу нейронной сети на полученной модели.

Материалы и методы. Анализ литературы по теме исследования, моделирование: разработка с нуля модели нейронной сети на языке Python (без заимствования чужого кода).