Search academic texts

Information × Registration Number 2121U008621, Article popup.category Опубліковано, Стаття Title SYNTHESIS AND USAGE OF NEURAL NETWORK MODELS WITH PROBABILISTIC STRUCTURE CODING popup.author Леощенко С. Д.Олійник А. О.Субботін С. О.Гофман Є. О.Ільяшенко М. Б.Leoshchenko S. D.Oliinyk A. O.Subbotin S. A.Gofman Ye. O.Ilyashenko M. B. popup.publication 04-07-2021 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/236443 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Розглянуто задачу кодування інформації моделей на базі штучних нейронних мереж для подальшого пересилання та використання таких моделей. Об’єктом дослідження є процес кодування штучних нейронних мереж з використанням ймовірнісних структур даних. Мета роботи полягає у розробці методу кодування нейронних мереж для зменшенні ресурсоємності процесу нейроеволюційного синтезу моделей. Метод. Запропоновано метод кодування нейронних мереж на основі ймовірнісних структур даних. На початку метод використовує основні принципи підходу прямого кодування інформації про мережу та базуючись на секвенуванні кодує матрицю міжнейронних зв’язків у вигляді біополімерів. Потім використовуються ймовірнісні структури даних для більш компактного представлення початкової матриці. Для цього використовуються хеш-функції, початкова матриця проходить через процес хешування, що дозволяє значно знизити вимоги до ресурсів пам’яті. Метод дозволяє скоротити витрати пам’яті при пересилці штучних нейронних мереж, що значно розширює практичне використання таких моделей, запобігаючи різкому зменшенню точності їх роботи. Результати. Розроблений метод реалізовано та досліджено при вирішенні задачі класифікації стану південнонімецьких кредиторів. Використання розробленого методу дозволило збільшити швидкість синтезу нейромоделі на 15–17,6%, в залежності від використовуваних обчислювальних ресурсів. Також метод дозволив скоротити долю пересилок інформації на 8%, що також свідчить про прискорення та більш раціональне використання ресурсів. Висновки. Проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці при кодуванні моделей на основі штучних нейронних мереж для подальшого вирішення задач діагностування, прогнозування, оцінювання та розпізнавання образів. Перспективи подальших досліджень можуть полягати в попередній обробці даних для більш жорсткого контролю процесу кодування з метою мінімізації втрат якості роботи моделей на основі нейронних мереж popup.nrat_date 2026-02-09 Close