Proceedings of the International scientific and practical conference ―Science, Technology and Culture in the Era of Globalization‖ (December 24-26, 2025) / Publisher website: www.naukainfo.com. – Geneva, Switzerland, 2026. – 234 p.

67 УДК 004.8 Новоселова Анастасія Сергіївна здобувач вищої освіти магістерського рівня Харківський національний університет радіоелектроніки м. Харків, Україна ДОСЛІДЖЕННЯ ВПЛИВУ ПАРАМЕТРІВ CNN-МОДЕЛІ НА ТОЧНІСТЬ КЛАСИФІКАЦІЇ Анотація. У роботі досліджено вплив основних параметрів згорткової нейронної мережі на точність класифікації зображень. Проаналізовано зміну якості моделі залежно від кількості епох навчання, розміру mini-batch та архітектури нейронної мережі. Експериментальні дослідження проведено з використанням датасету CIFAR-10 для базової CNN, архітектур LeNet-5 та спрощеної версії AlexNet. Отримані результати показали, що оптимальні параметри навчання залежать від складності архітектури моделі. Ключові слова: згорткова нейронна мережа, CNN, класифікація зображень, машинне навчання, глибинне навчання, CIFAR-10, комп’ютерний зір. У роботі представлено результати експериментального дослідження впливу основних гіперпараметрів згорткової нейронної мережі (CNN) на точність класифікації зображень. Дослідження виконано на основі датасету CIFAR‑10 із використанням бібліотек TensorFlow та Keras. Основну увагу зосереджено на аналізі впливу кількості епох навчання, розміру mini‑batch та архітектури мережі на узагальнюючу здатність моделі. У якості базового експериментального середовища використано стандартний датасет CIFAR‑10, що містить 10 класів кольорових зображень розміром 32×32 пікселі [1, с. 56]. Дані було нормалізовано до діапазону [0, 1], а