Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении =
Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1.
Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1.
Москва, 2024
Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении =
Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1.
Москва, 2024
В полном объеме текст документа доступен в электронных читальных залах библиотек-участников НЭБ
Библиографическое описание
Скопировать
Баранчук, Дмитрий Александрович. Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении = = Applications of deep generative models for machine learning prediction problems Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1. / Баранчук Дмитрий Александрович; [Место защиты: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам]. — Москва, 2024. — 89 с. : ил..
Детальная информация
Код документа в НЭБ
000199_000009_013309883
Каталог
Автор(ы)
Заглавие
Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении = : Applications of deep generative models for machine learning prediction problems : диссертация . кандидата физико-математических наук : 1.2.1.
Вариант заглавия
Applications of deep generative models for machine learning prediction problems
Место издания
Москва
Год издания
2024
Объем
89 с.
Ответственность
Баранчук Дмитрий Александрович; [Место защиты: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам]
ББК
В171.3,03, З973.236,0
Язык
Английский
Еще
Ключевые слова
задачи прогнозирования в машинном обучении
Библиотека
LDR
03112nam a22003977 4500
001
013309883
003
RuMoRGB
005
20250131105312.0
008
241226s2024 ru |||| m |00 u eng d
017
##
$a: д1414-25
$b: RuMoRGB
$a: д1414-25
$b: RuMoRGB
040
##
$a: RuMoRGB
$b: rus
$e: rcr
$a: RuMoRGB
$b: rus
$e: rcr
041
##
$a: eng
$a: eng
044
##
$a: ru
$a: ru
072
#1
$a: 1.2.1.
$2: nsnr2021
$a: 1.2.1.
$2: nsnr2021
084
##
$a: В171.3,03
$2: rubbk
$a: В171.3,03
$2: rubbk
084
##
$a: З973.236,0
$2: rubbk
$a: З973.236,0
$2: rubbk
100
1#
$a: Баранчук, Дмитрий Александрович
$q: Dmitry Baranchuk
$a: Баранчук, Дмитрий Александрович
$q: Dmitry Baranchuk
245
##
$a: Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении =
$b: Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1.
$c: Баранчук Дмитрий Александрович; [Место защиты: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам]
$a: Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении =
$b: Applications of deep generative models for machine learning prediction problems : диссертация ... кандидата физико-математических наук : 1.2.1.
$c: Баранчук Дмитрий Александрович; [Место защиты: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам]
246
11
$a: Applications of deep generative models for machine learning prediction problems
$a: Applications of deep generative models for machine learning prediction problems
260
##
$a: Москва
$c: 2024
$a: Москва
$c: 2024
300
##
$a: 89 с.
$b: ил.
$a: 89 с.
$b: ил.
504
##
$a: Библиогр.: с. 23-28
$a: Библиогр.: с. 23-28
541
1#
$b: https://vak.minobrnauki.gov.ru/advert_independent/93067634002
$c: D11-36873
$d: 20241123
$e: 2024.12.24
$b: https://vak.minobrnauki.gov.ru/advert_independent/93067634002
$c: D11-36873
$d: 20241123
$e: 2024.12.24
541
1#
$c: OEK
$d: 20250122
$c: OEK
$d: 20250122
546
##
$a: Текст на англ. яз.
$a: Текст на англ. яз.
546
##
$a: Парал. тит. л. на рус. яз.
$a: Парал. тит. л. на рус. яз.
650
#1
$a: Искусственный интеллект и машинное обучение
$2: nsnr2021
$a: Искусственный интеллект и машинное обучение
$2: nsnr2021
650
#1
$a: Физико-математические науки -- Математика -- Теория вероятностей и математическая статистика -- Теория вероятностей -- Распределение вероятностей и характеристические функции (интервальный анализ)
$2: rubbk
$a: Физико-математические науки -- Математика -- Теория вероятностей и математическая статистика -- Теория вероятностей -- Распределение вероятностей и характеристические функции (интервальный анализ)
$2: rubbk
650
#1
$a: Техника. Технические науки -- Энергетика. Радиоэлектроника -- Радиоэлектроника -- Вычислительная техника -- Вычислительные машины электронные цифровые -- Машины для обучения
$2: rubbk
$a: Техника. Технические науки -- Энергетика. Радиоэлектроника -- Радиоэлектроника -- Вычислительная техника -- Вычислительные машины электронные цифровые -- Машины для обучения
$2: rubbk
653
##
$a: задачи прогнозирования в машинном обучении
$a: задачи прогнозирования в машинном обучении
720
1#
$a: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам
$a: ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики» ; Диссовет Диссертационный совет по компьютерным наукам
852
1#
$a: РГБ
$b: OD
$c: HL01
$j: 61 25-1/113
$x: 82
$a: РГБ
$b: OD
$c: HL01
$j: 61 25-1/113
$x: 82
856
11
$q: application/pdf
$u: http://dlib.rsl.ru/rsl01013000000/rsl01013309000/rsl01013309883/rsl01013309883.pdf
$y: Читать
$q: application/pdf
$u: http://dlib.rsl.ru/rsl01013000000/rsl01013309000/rsl01013309883/rsl01013309883.pdf
$y: Читать
Национальная электронная библиотека (НЭБ) предлагает Вам ознакомиться с подробной информацией о документе: « Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении = : Applications of deep generative models for machine learning prediction problems : диссертация . кандидата физико-математических наук : 1.2.1. » , автор — Баранчук Д.А.. Документ был опубликован в 2024 году. Место издания — Москва. Электронный ресурс – электронная копия документа предоставлена в НЭБ библиотекой "Российская государственная библиотека". Фонд библиотеки расположен по адресу: 119019, Москва, ул. Воздвиженка, 3/5. На сайте rusneb.ru Вы можете читать онлайн оцифрованную версию документа « Применение глубоких генеративных моделей для задач прогнозирования в машинном обучении = : Applications of deep generative models for machine learning prediction problems : диссертация . кандидата физико-математических наук : 1.2.1. » в удобной системе просмотра документов.