Вестник КРАУНЦ.Физ.-мат. науки. 2021. Т. 35. №2. C. 56-62. ISSN 2079-6641

Содержание выпуска/Contents of this issue

ВЫЧИСЛИТЕЛЬНЫЕ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

УДК 512.24

Научная статья

Использование модели нейронной сети глубокого обучения для
решения проблем классификации нежелательного контента в социальных сетях

А. С. Бобин

Камчатский государственный университет имени Витуса Беринга, 683032, г. Петропавловск-Камчатский, ул. Пограничная, 4

E-mail: artemiobib@gmail.com

При решении задач классификации с использование глубокого обучения сталкиваются с проблемой сходимости модели. Такая проблема возникает из за ограниченного объема данных в выборках.

Ключевые слова: модели глубокого обучения, transfer learning, перекрестная энтропия, softmax-слои, InceptionV3.

DOI: 10.26117/2079-6641-2021-35-2-56-62

Поступила в редакцию: 01.06.2021

В окончательном варианте: 15.06.2021

Для цитирования. Бобин А. С. Использование модели нейронной сети глубокого обучения для решения проблем классификации нежелательного контента в социальных сетях // Вестник КРАУНЦ. Физ.-мат. науки. 2021. Т. 35. № 2. C. 56-62. DOI: 10.26117/2079-6641-
2021-35-2-56-62

Контент публикуется на условиях лицензии Creative Commons Attribution 4.0 International
(https://creativecommons.org/licenses/by/4.0/deed.ru)

© Бобин А. С., 2021

Конкурирующие интересы. Конфликтов интересов в отношении авторства и публикации нет.

Авторский вклад и ответственность. Автор участвовал в написании статьи и полностью несет ответственность за предоставление окончательной версии статьи в печать.

INFORMATION AND COMPUTING TECHNOLOGIES

MSC 68T07

Research Article

Using deep learning neural network model to solve the problems of classification of unwanted content in social media

A. S. Bobin

Vitus Bering Kamchatka State University, 683031, Petropavlovsk-Kamchatsky, Pogranichnaya st., 4, Russia

E-mail: artemiobib@gmail.com

When solving classification problems using deep learning, they face the problem of model convergence. This problem occurs due to the limited amount of data in the samples.

Keywords: deep learning models, transfer learning, cross entropy, softmax layers, InceptionV3.

DOI: 10.26117/2079-6641-2021-35-2-56-62

Original article submitted: 01.06.2021

Revision submitted: 15.06.2021

For citation. Bobin A. S. Using deep learning neural network model to solve the problems of classification of unwanted content in social media. Vestnik KRAUNC. Fiz.-mat. nauki. 2021, 35: 2, 56-62. DOI: 10.26117/2079-6641-2021-35-2-56-62

Competing interests. The author declares that there are no conflicts of interest regarding authorship and publication.

Contribution and Responsibility. The author contributed to this article. The author is solely responsible for providing the final version of the article in print. The final version of the manuscript was approved by the author.

The content is published under the terms of the Creative Commons Attribution 4.0 International License (https://creativecommons.org/licenses/by/4.0/deed.ru)

© Bobin A. S., 2021

Список литературы/References

1. Алгоритм градиентного спуска для обучения нейронной сети, Электронный ресурс. Режим http://prog.tversu.ru/da/02-learning.pdf (дата обращения 25.05.2021). [ Algoritm gradiyentnogo spuska dlya obucheniya neyronnoy seti, Elektronnyy resursRezhim http://prog.tversu.ru/da/02-learning.pdf (data obrashcheniya 25.05.2021)].
2. Гудфеллоу Я., Бенджио И., Курвилль А., Глубокое обучение, ДМК Пресс, М., 2018, 652 с. [Gudfellou YA., Bendzhio I., Kurvill’ A., Glubokoye obucheniye, DMK Press, M., 2018, 652 pp.]
3. Сергеев Л., Юданова А., Цифровая экономика, Юрайт, М., 2020, 328 с. [Sergeyev L., Yudanova A., Tsifrovaya ekonomika, Yurayt, M., 2020, 328 pp.]
4. Шалев-Шварц Ш., Бен-Давид Ш., Идеи машинного обучения: от теории к алгоритмам, ДМК Пресс, М., 2019, 436 с. [Shalev-Shvarts SH., Ben-David SH., Idei mashinnogo obucheniya: ot teorii k algoritmam, DMK Press, M., 2019, 436 pp.]