Standard

Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP). / Истомин, Владимир Андреевич (Inventor); Кустова, Елена Владимировна (Inventor); Лагутин, Семён Михайлович (Inventor); Павлов, Семён Анатольевич (Inventor); Тань, Лэй (Inventor); Шаламов, Иван Юрьевич (Inventor).

Patent No.: 2023619479. May 11, 2023.

Research output: Patenting and IP registration › Certificate of registration

Harvard

Истомин, ВА, Кустова, ЕВ, Лагутин, СМ, Павлов, СА, Тань, Л & Шаламов, ИЮ May. 11 2023, Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP), Patent No. 2023619479.

APA

Истомин, В. А., Кустова, Е. В., Лагутин, С. М., Павлов, С. А., Тань, Л., & Шаламов, И. Ю. (2023). Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP). (Patent No. 2023619479).

Vancouver

Истомин ВА, Кустова ЕВ, Лагутин СМ, Павлов СА, Тань Л, Шаламов ИЮ, inventors. Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP). 2023619479. 2023 May 11.

Author

Истомин, Владимир Андреевич (Inventor) ; Кустова, Елена Владимировна (Inventor) ; Лагутин, Семён Михайлович (Inventor) ; Павлов, Семён Анатольевич (Inventor) ; Тань, Лэй (Inventor) ; Шаламов, Иван Юрьевич (Inventor). / Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP). Patent No.: 2023619479. May 11, 2023.

BibTeX

@misc{0f511f71d7fb4d09b485ca5d75fb7b35,
title = "Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP)",
abstract = "Программный модуль включает в себя пользовательский интерфейс,разработанный на основе библиотеки ipywidgets среды Jupyter, позволяющийиспользовать функциональный интерфейс программирования приложений (API) библиотеки TensorFlow для управления основными рабочими процессамимашинного обучения и анализа данных. Модуль содержит в себе возможностизагружать, обрабатывать и сохранять массивы данных, строить графикиразличных характеристик, а также анализировать зависимости между ними.Модуль также включает в себя возможность создавать и настраивать архитектуру модели для решения задачи регрессии; обучать ее на загруженных данных с использованием различных оптимизаторов, функций потерь и метрик; оценивать ее предсказательную способность и делать предсказания на загруженных данных.Таким образом, с помощью программного модуля могут быть решеныразнородные задачи регрессии, к примеру, оценка коэффициентов переноса в поуровневом приближении (теплопроводность, сдвиговая вязкость и объемная вязкость) для задач неравновесной газовой динамики.",
author = "Истомин, {Владимир Андреевич} and Кустова, {Елена Владимировна} and Лагутин, {Семён Михайлович} and Павлов, {Семён Анатольевич} and Лэй Тань and Шаламов, {Иван Юрьевич}",
year = "2023",
month = may,
day = "11",
language = "русский",
type = "Patent",
note = "2023619479",

}

RIS

TY - PAT

T1 - Программный модуль для построения и обучения нейросетей методами машинного обучения и анализа полученных результатов (PSGDP)

AU - Истомин, Владимир Андреевич

AU - Кустова, Елена Владимировна

AU - Лагутин, Семён Михайлович

AU - Павлов, Семён Анатольевич

AU - Тань, Лэй

AU - Шаламов, Иван Юрьевич

PY - 2023/5/11

Y1 - 2023/5/11

N2 - Программный модуль включает в себя пользовательский интерфейс,разработанный на основе библиотеки ipywidgets среды Jupyter, позволяющийиспользовать функциональный интерфейс программирования приложений (API) библиотеки TensorFlow для управления основными рабочими процессамимашинного обучения и анализа данных. Модуль содержит в себе возможностизагружать, обрабатывать и сохранять массивы данных, строить графикиразличных характеристик, а также анализировать зависимости между ними.Модуль также включает в себя возможность создавать и настраивать архитектуру модели для решения задачи регрессии; обучать ее на загруженных данных с использованием различных оптимизаторов, функций потерь и метрик; оценивать ее предсказательную способность и делать предсказания на загруженных данных.Таким образом, с помощью программного модуля могут быть решеныразнородные задачи регрессии, к примеру, оценка коэффициентов переноса в поуровневом приближении (теплопроводность, сдвиговая вязкость и объемная вязкость) для задач неравновесной газовой динамики.

AB - Программный модуль включает в себя пользовательский интерфейс,разработанный на основе библиотеки ipywidgets среды Jupyter, позволяющийиспользовать функциональный интерфейс программирования приложений (API) библиотеки TensorFlow для управления основными рабочими процессамимашинного обучения и анализа данных. Модуль содержит в себе возможностизагружать, обрабатывать и сохранять массивы данных, строить графикиразличных характеристик, а также анализировать зависимости между ними.Модуль также включает в себя возможность создавать и настраивать архитектуру модели для решения задачи регрессии; обучать ее на загруженных данных с использованием различных оптимизаторов, функций потерь и метрик; оценивать ее предсказательную способность и делать предсказания на загруженных данных.Таким образом, с помощью программного модуля могут быть решеныразнородные задачи регрессии, к примеру, оценка коэффициентов переноса в поуровневом приближении (теплопроводность, сдвиговая вязкость и объемная вязкость) для задач неравновесной газовой динамики.

M3 - свидетельство о регистрации

M1 - 2023619479

Y2 - 2023/04/21

ER -

ID: 106391242