Генетичні алгоритми в автоматизації створення нейронних мереж

Автор(и)

  • Д. Паєвський КПІ ім. Ігоря Сікорського, Україна
  • К. Остапченко КПІ ім. Ігоря Сікорського, Україна
  • О. Лісовиченко КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.46.2025.323691

Ключові слова:

штучні нейронні мережі, автоматизоване проектування моделей ШНМ, генетичні алгоритми, математичне моделювання, засоби моделювання ШНМ

Анотація

Робота присвячена автоматизації процесу проектування моделей штучних нейронних мереж (ШНМ) із застосуванням генетичних алгоритмів. Розглянуто сучасні підходи до автоматизованого проектування. Проаналізовано основні проблеми, зокрема застрягання у локальних мінімумах, високу обчислювальну складність та необхідність точного налаштування гіперпараметрів.
В результаті запропоновані методи, що поєднує еволюційні стратегії, оператори мутації та відбору, для побудови оптимальних архітектур ШНМ. Зокрема, розроблено алгоритм, який інтегрує генетичний пошук із навчанням моделей, враховуючи специфіку прикладних задач. Особливу увагу приділено оптимізації ймовірності мутації та адаптації параметрів, що забезпечує гнучкість і продуктивність підходу.
Таким чином, результати дослідження показують, що використання генетичних алгоритмів для автоматизованого проектування ШНМ дозволяє суттєво підвищити ефективність та адаптивність моделей, забезпечуючи їхню відповідність прикладним задачам.

Бібл. 9, іл. 2, табл. 3

Посилання

Паєвський Д.В. Автоматизоване проектування моделей нейронних мереж з використанням генетичних алгоритмів / Д.В. Паєвський, наук.керівник К.Б. Остапченко // Сучасні аспекти та перспективні напрямки розвитку науки: матеріали VI Міжнар. студ. наукова конф., м. Харків, 19 січня 2024р. – Вінниця: Укрлогос Груп, 2024. – С. 273-274 website URL: https://archive.liga.science/index.php/conference-proceedings/issue/view/inter-19.01.2024/61

NEAT Overview – NEAT-Python 0.92 documentation. Welcome to NEAT-Python 0.92 documentation! – NEAT-Python 0.92 documentation. URL: https://neat-python.readthedocs.io/en/latest/neat_overview.html (application date: 25.12.2024).

Shevchenko E. HyperNEAT Approach in Neuroevolution. Medium. website URL: https://medium.com/@eugenesh4work/hyperneat-approach-in-neuroevolutiond2ead10aad33 (application date: 25.12.2024).

Evolutionary Substrate HyperNEAT (ES-HyperNEAT). Schneppat AI. website URL: https://schneppat.com/evolutionary-substrate-hyperneat_eshyperneat.html (application date: 24.12.2024).

Genetic Programming – DEAP 1.4.1 documentation. DEAP documentation – DEAP 1.4.1 documentation. website URL: https://deap.readthedocs.io/en/master/tutorials/advanced/gp.html (application date: 24.12.2024).

GitHub - sash-a/CoDeepNEAT: An implementation of CoDeepNEAT using pytorch with extensions. GitHub. website URL: https://github.com/sash-a/CoDeepNEAT (application date: 05.01.2025).

GitHub - schrum2/MM-NEAT: Modular Multiobjective (Hyper) Neuro-Evolution of Augmenting Topologies + MAP-Elites: Java code for evolving intelligent agents in Ms. Pac-Man, Tetris, and more, as well as code for Procedural Content Generation in Mario, Zelda, Minecraft, and more!. GitHub. website URL: https://github.com/schrum2/MMNEAT (application date: 24.12.2024).

Паєвський, Д.В. Система автоматизованого проектування моделей нейронних мереж для задач прогнозування : дипломний проєкт бакалавра : 126 Інформаційні системи та технології / Паєвський Дмитро Вікторович. – Київ: КПІ ім.Ігоря Сікорського, 2023. – 85 с. website URL: https://ela.kpi.ua/handle/ 123456789/58750

GitHub - Technical-PD/sdnn_ga_api at develop. GitHub. website URL:https://github.com/Technical-PD/sdnn_ga_api/tree/develop (application date: 07.12.2024).

##submission.downloads##

Опубліковано

2025-02-28

Номер

Том 1 № 46 (2025): Адаптивні системи автоматичного управління

Розділ

Статті

Ліцензія

Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.

2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.

3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах).  Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це:  The Effect of Open Access.