Цель работы – найти решение задачи получения векторных представлений электрических цепей для нейронных сетей. В данной работе был проведён обзор методов получения векторных представлений электрических цепей, выбран и подробно рассмотрен формат для решения поставленной задачи, а также проведён обзор методов глубокого обучения и реализован классификатор на базе представлений электрических цепей. В качестве решения задачи был выбран и инверторный граф. Схемы сумматоров, и вычитателей были преобразованы в формат ASCII и инверторного графа. Для реализации классификатора была выбрана рекуррентная нейронная сеть с слоем долговременной кратковременной памяти, четырьмя линейными слоями и Rectified Linear в качестве функции активации. Полученный классификатор правильно определял схемы с точностью 0,83.

The aim of the work is to find a solution to the problem of obtaining vector representations of electrical circuits for neural networks. In this paper, a review of methods for obtaining vector representations of electrical circuits was conducted, a format for solving the problem was selected and considered in detail, as well as a review of deep learning methods and a classifier based on representations of electrical circuits was implemented. The and inverse graph was chosen as the solution to the problem. The schemes of adders and subtractors have been converted to ASCII and inverse graph format.To implement the classifier, a recurrent neural network with a long-term short-term memory layer, four linear layers and a Rectified Linear as an activation function was chosen. The resulting classifier correctly determined the scheme with an accuracy of 0.83.