2025-02-21T08:24:56-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: Query fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22journaliasakpiua-article-322523%22&qt=morelikethis&rows=5
2025-02-21T08:24:56-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: => GET http://localhost:8983/solr/biblio/select?fl=%2A&wt=json&json.nl=arrarr&q=id%3A%22journaliasakpiua-article-322523%22&qt=morelikethis&rows=5
2025-02-21T08:24:56-05:00 DEBUG: VuFindSearch\Backend\Solr\Connector: <= 200 OK
2025-02-21T08:24:56-05:00 DEBUG: Deserialized SOLR response
Про еволюцію рекурентних нейронних систем

Про еволюцію рекурентних нейронних систем

The evolution of neural network architectures, first of the recurrent type and then with the use of attention technology, is considered. It shows how the approaches changed and how the developers’ experience was enriched. It is important that the neural networks themselves learn to understand the de...

Full description

Saved in:
Bibliographic Details
Main Authors: Abramov, Gennadii, Gushchin, Ivan, Sirenka, Tetiana
Format: Article
Language:English
Published: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024
Subjects:
рекурентні нейронні мережі
технологія трансформер
KAN
Online Access:http://journal.iasa.kpi.ua/article/view/322523
Tags: Add Tag
No Tags, Be the first to tag this record!
id journaliasakpiua-article-322523
record_format ojs
spelling journaliasakpiua-article-3225232025-02-09T21:55:38Z On the evolution of recurrent neural systems Про еволюцію рекурентних нейронних систем Abramov, Gennadii Gushchin, Ivan Sirenka, Tetiana recurrent neural networks transformer technology KANs рекурентні нейронні мережі технологія трансформер KAN The evolution of neural network architectures, first of the recurrent type and then with the use of attention technology, is considered. It shows how the approaches changed and how the developers’ experience was enriched. It is important that the neural networks themselves learn to understand the developers’ intentions and actually correct errors and flaws in technologies and architectures. Using new active elements instead of neurons expanded the scope of connectionist networks. It led to the emergence of new structures — Kolmogorov–Arnold Networks (KANs), which may become serious competitors to networks with artificial neurons. Розглянуто еволюцію нейромережевих архітектур, спочатку рекурентного типу, а потім із використанням технології уваги. Показано, як змінювалися підходи та збагачувався досвід розробників. Важливо, що нейронні мережі самі навчилися розуміти наміри розробників і фактично виправляли помилки та недоліки в технологіях і архітектурах. Використання нових активних елементів замість нейронів розширило сферу застосування конекціоністських мереж і призвело до появи нових структур — мережі Колмогорова–Арнольда (KAN), які можуть стати серйозними конкурентами мереж зі штучними нейронами. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024-12-25 Article Article Peer-reviewed Article application/pdf http://journal.iasa.kpi.ua/article/view/322523 10.20535/SRIT.2308-8893.2024.4.06 System research and information technologies; No. 4 (2024); 77-85 Системные исследования и информационные технологии; № 4 (2024); 77-85 Системні дослідження та інформаційні технології; № 4 (2024); 77-85 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/322523/312903
institution System research and information technologies
baseUrl_str
datestamp_date 2025-02-09T21:55:38Z
collection OJS
language English
topic рекурентні нейронні мережі
технологія трансформер
KAN
spellingShingle рекурентні нейронні мережі
технологія трансформер
KAN
Abramov, Gennadii
Gushchin, Ivan
Sirenka, Tetiana
Про еволюцію рекурентних нейронних систем
topic_facet recurrent neural networks
transformer technology
KANs
рекурентні нейронні мережі
технологія трансформер
KAN
format Article
author Abramov, Gennadii
Gushchin, Ivan
Sirenka, Tetiana
author_facet Abramov, Gennadii
Gushchin, Ivan
Sirenka, Tetiana
author_sort Abramov, Gennadii
title Про еволюцію рекурентних нейронних систем
title_short Про еволюцію рекурентних нейронних систем
title_full Про еволюцію рекурентних нейронних систем
title_fullStr Про еволюцію рекурентних нейронних систем
title_full_unstemmed Про еволюцію рекурентних нейронних систем
title_sort про еволюцію рекурентних нейронних систем
title_alt On the evolution of recurrent neural systems
description The evolution of neural network architectures, first of the recurrent type and then with the use of attention technology, is considered. It shows how the approaches changed and how the developers’ experience was enriched. It is important that the neural networks themselves learn to understand the developers’ intentions and actually correct errors and flaws in technologies and architectures. Using new active elements instead of neurons expanded the scope of connectionist networks. It led to the emergence of new structures — Kolmogorov–Arnold Networks (KANs), which may become serious competitors to networks with artificial neurons.
publisher The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate 2024
url http://journal.iasa.kpi.ua/article/view/322523
work_keys_str_mv AT abramovgennadii ontheevolutionofrecurrentneuralsystems
AT gushchinivan ontheevolutionofrecurrentneuralsystems
AT sirenkatetiana ontheevolutionofrecurrentneuralsystems
AT abramovgennadii proevolûcíûrekurentnihnejronnihsistem
AT gushchinivan proevolûcíûrekurentnihnejronnihsistem
AT sirenkatetiana proevolûcíûrekurentnihnejronnihsistem
first_indexed 2025-02-10T04:08:36Z
last_indexed 2025-02-10T04:08:36Z
_version_ 1824638474994581504

Similar Items