Розвиток архітектур нейронних мереж: від класичних до інноваційних : монографія

Abstract

У монографії розглянуто еволюцію архітектур штучних нейронних мереж – від класичних моделей (перцептрон, багатошаровий перцептрон) до сучасних глибоких структур, зокрема згорткових (CNN), рекурентних (RNN, LSTM, GRU), трансформерних (BERT, GPT, ViT), мобільних та гібридних архітектур. Узагальнено їхні переваги, обмеження, а також прикладні сфери використання. Обґрунтовано критерії вибору архітектури залежно від типу даних, обчислювальних ресурсів і завдань класифікації. Наведено порівняльний аналіз моделей за точністю, швидкістю навчання та ефективністю. Монографія призначена для викладачів, аспірантів і студентів ІТ-спеціальностей, а також фахівців з машинного навчання, комп’ютерного зору та інтелектуальних інформаційних систем.