From ac746690cbf1308530823103abfa5373142e6812 Mon Sep 17 00:00:00 2001 From: AnikeevAnA Date: Sat, 15 Nov 2025 12:40:12 +0000 Subject: [PATCH] =?UTF-8?q?=D0=98=D0=B7=D0=BC=D0=B5=D0=BD=D0=B8=D0=BB(?= =?UTF-8?q?=D0=B0)=20=D0=BD=D0=B0=20'labworks/LW3/report.md'?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- labworks/LW3/report.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/labworks/LW3/report.md b/labworks/LW3/report.md index e5114cb..4e74f9d 100644 --- a/labworks/LW3/report.md +++ b/labworks/LW3/report.md @@ -360,7 +360,7 @@ Cверточная модель достигает лучшего резуль Сверточная нейросеть точнее на 4,5 процента, при этом её ошибка почти в 5 раз меньше. Вывод: -Использование сверточной нейронной сети для распознавания изображений даёт ощутимо лучший результат по сравнению с полносвязной моделью. CNN требует меньше параметров, быстрее обучается и точнее распознаёт изображения, поскольку учитывает их структуру и выделяет важные визуальные особенности. +Использование сверточной нейронной сети для распознавания изображений даёт ощутимо лучший результат по сравнению с полносвязной моделью. Сверточная нейронная сеть требует меньше параметров, быстрее обучается и точнее распознаёт изображения, поскольку учитывает их структуру и выделяет важные визуальные особенности. ``` ## ЗАДАНИЕ 2