Генетичні алгоритми в автоматизації створення нейронних мереж
Saved in:
| Title: | Генетичні алгоритми в автоматизації створення нейронних мереж |
|---|---|
| Source: | Adaptivni Sistemi Avtomatičnogo Upravlinnâ, Vol 1, Iss 46 (2025) |
| Publisher Information: | Igor Sikorsky Kyiv Polytechnic Institute, 2025. |
| Publication Year: | 2025 |
| Subject Terms: | T59.5, Automation, автоматизоване проектування моделей ШНМ, штучні нейронні мережі, генетичні алгоритми, математичне моделювання, засоби моделювання ШНМ |
| Description: | 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 |
| Document Type: | Article |
| ISSN: | 2522-9575 1560-8956 |
| DOI: | 10.20535/1560-8956.46.2025.323691 |
| Access URL: | https://doaj.org/article/39dc69c35b8a49ed90c884c4fa185379 |
| Accession Number: | edsair.doi.dedup.....b84b52aaeea15ece3bd407b41c20a39d |
| Database: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | 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 |
|---|---|
| ISSN: | 25229575 15608956 |
| DOI: | 10.20535/1560-8956.46.2025.323691 |