функція активації

The impact of activation functions on LTSM server load prediction accuracy: machine learning approach

The continuously growing number of users and their requests to the server demands substantial resources to ensure fast responses without delays.  However, server load is inherently unevenly distributed throughout the day, week, or month.  Accurately predicting the required resources and dynamically managing their allocation is crucial, as it can lead to significant cost savings in server maintenance without compromising the user experience.  This study investigates the influence of activation function choice on the forecasting accuracy of Long Short-Term Memory (LSTM) n

Вплив функції активації RBF нейронної мережі на ефективність прогнозування кількості відмов програмного забезпечення

Досліджено вплив функції активації нейронної мережі типу RBF на ефективність навчання та прогнозування надійності програмного забезпечення у вигляді часових рядів. Показано, що оптимальною функцією активації для цієї задачі є Inverse Multiquadric з 10 нейронами у вхідному шарі та 30 – у прихованому.

Моделювання обробки KWTA-нейронною схемою постійних дискретизованих сигналів

Описується математична модель нейронної схеми типу «K-winners-take-all» (KWTA), призначеної для ідентифікації К максимальних серед N невідомих сигналів, де $1≤K<N$. Аналізується обробка моделлю постійних дискретизованих вхідних сигналів. Розглядається випадок рівних між собою вхідних сигналів. Наводяться відповідні результати комп’ютерного моделювання.

Методи та засоби покращення точності розпізнавання об’єктів на мобільній платформі iOS в реальному часі

За результатами аналізу літературних джерел встановлено що перспективним напрямком пошуку та розпізнавання об’єктів є сімейство моделей Yolo. Проте існуючі реалізації не підтримують можливості запуску моделі на платформі iOS. Для досягення таких цілей розроблено комплексну масштабовану систему конвертації та покращення точності розпізнавання довільних моделей на базі системи Docker. Методика покращення полягає у додаванні до оригінальної моделі додаткового шару з функцією активації Mish. Методика конвертації полягає у оперативному перетовренні довільної моделі Yolo у формат CoreML.

Прогнозування відмов програмного забезпечення з використанням нейронної мережі на основі радіально-базисних функцій

In this paper the radial-basis neural network was used for software failures prediction. The influence of activation function of the RBF neural net on the learning efficiency and software failures prediction is studied. It is shown that the optimal activation function is Inverse Multiquadric with 10 neurons in the input layer and 30 neurons in the hidden one (square of Pearson correlation coefficient is 0.997 and mean deviation is 14.4).