Поиск :
Личный кабинет :
Электронный каталог: Аракелян, Давид Артурович - Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента
Аракелян, Давид Артурович - Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента
Нет экз.
Электронный ресурс
Автор: Аракелян, Давид Артурович
Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента : автореферат выпускной квалификационной работы : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2019 г.
ISBN отсутствует
Автор: Аракелян, Давид Артурович
Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента : автореферат выпускной квалификационной работы : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2019 г.
ISBN отсутствует
На полку
Электронный ресурс
Аракелян, Давид Артурович.
Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента : автореферат выпускной квалификационной работы : Бакалаврская работа / Давид Артурович Аракелян. – Москва : Московский государственный психолого-педагогический университет, 2019. – 5 с. – URL: http://psychlib.ru/inc/absid.php?absid=392559 . – 09.03.03 - Прикладная информатика. Направленность программы "Прикладная информатика в психологии".
С каждый годом всё больше растет потребность человечества в изучении новых методов для анализа больших данных. На данный момент, сервисы, которые работают на основе машинного обучения, способны решать широкий спектр прикладных задач ранее считавшихся прерогативой исключительно человеческой. Методы машинного обучения также коснулись и сферы видеоокулографических исследований, которые позволяют отслеживать и регистрировать данные глазодвигательной активности испытуемых. Однако, современные пакеты программ для анализа данных не предназначены для классификации объектов произвольной природы, таких как, траектории взора испытуемых на стимульном материале. Как правило, они работают с данными, представленными в табличном формате с некоторым фиксированным набором признакового описания объекта. Поэтому достаточно актуальной является задача реализаций программных «интеллектуальных» решений, способных обрабатывать объекты, имеющими сложную внутреннюю структуру, как например данные глазодвигательной активности.
Every year the need of mankind to study new methods for big data analysis grows more and more. At the moment, services that work on the basis of machine learning, are able to solve a wide range of applications previously considered the prerogative of exclusively human. Machine learning methods have also touched the area videooculography studies that allow you to track and log data for the oculomotor activity of the subjects. However, modern software packages for data analysis are not designed to classify objects of arbitrary nature, such as the trajectory of the eyes of the subjects on the stimulus material. Typically, they work with data presented in a tabular format with some fixed set of feature descriptions of the object. Therefore, the task of implementing software "intelligent" solutions capable of processing objects with complex internal structure, such as data of oculomotor activity, is quite relevant.
Общий = Информатика, вычислительная техника
Аракелян, Давид Артурович.
Применение рекуррентных нейронных сетей для классификации данных видеоокулографического эксперимента : автореферат выпускной квалификационной работы : Бакалаврская работа / Давид Артурович Аракелян. – Москва : Московский государственный психолого-педагогический университет, 2019. – 5 с. – URL: http://psychlib.ru/inc/absid.php?absid=392559 . – 09.03.03 - Прикладная информатика. Направленность программы "Прикладная информатика в психологии".
С каждый годом всё больше растет потребность человечества в изучении новых методов для анализа больших данных. На данный момент, сервисы, которые работают на основе машинного обучения, способны решать широкий спектр прикладных задач ранее считавшихся прерогативой исключительно человеческой. Методы машинного обучения также коснулись и сферы видеоокулографических исследований, которые позволяют отслеживать и регистрировать данные глазодвигательной активности испытуемых. Однако, современные пакеты программ для анализа данных не предназначены для классификации объектов произвольной природы, таких как, траектории взора испытуемых на стимульном материале. Как правило, они работают с данными, представленными в табличном формате с некоторым фиксированным набором признакового описания объекта. Поэтому достаточно актуальной является задача реализаций программных «интеллектуальных» решений, способных обрабатывать объекты, имеющими сложную внутреннюю структуру, как например данные глазодвигательной активности.
Every year the need of mankind to study new methods for big data analysis grows more and more. At the moment, services that work on the basis of machine learning, are able to solve a wide range of applications previously considered the prerogative of exclusively human. Machine learning methods have also touched the area videooculography studies that allow you to track and log data for the oculomotor activity of the subjects. However, modern software packages for data analysis are not designed to classify objects of arbitrary nature, such as the trajectory of the eyes of the subjects on the stimulus material. Typically, they work with data presented in a tabular format with some fixed set of feature descriptions of the object. Therefore, the task of implementing software "intelligent" solutions capable of processing objects with complex internal structure, such as data of oculomotor activity, is quite relevant.
Общий = Информатика, вычислительная техника