Пошук академічних текстів

Інформація × Реєстраційний номер 0826U000344, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 24-03-2026 Статус Запланована Назва роботи Оптимізація топології нейронної мережі на основі нейроеволюційних алгоритмів з використанням розгалужених обчислень Здобувач Омельяненко Ярослав Вікторович, Керівник Сініцин Ігор Петрович Опонент Тульчинський Вадим Григорович Опонент Складанний Павло Миколайович Рецензент Шевченко Руслан Сергійович Рецензент Іваненко Павло Андрійович Опис Об’єкт дослідження: процес побудови оптимальної топології ШНМ із застосуванням алгоритму NEAT. Предмет дослідження: методи, моделі та програмні засоби паралельної реалізації етапу оцінки придатності організмів у алгоритмі NEAT, а також методи кількісної оцінки ефективності такого паралельного виконання. Мета дисертаційної роботи: покращення ефективності алгоритму NEAT для підвищення швидкості навчання ШНМ в умовах ресурсних обмежень. У роботі розглянуто метод оптимізації нейроеволюційного алгоритму NEAT, що базується на формалізованому аналізі часових витрат еволюційного процесу та використанні паралельної моделі оцінки придатності. Запропонований підхід орієнтований на усунення обчислювальних обмежень, пов’язаних із домінуванням етапу оцінки придатності в загальному часі виконання алгоритму. У роботі отримано нові наукові результати: 1. Уперше запропоновано модифіковану модель Master–Worker для паралельної оцінки придатності в алгоритмі NEAT із збереженням коректності еволюційних механізмів. 2. Удосконалено та вперше запропоновано єдиний формалізований аналітичний підхід до оцінювання та оптимізації продуктивності алгоритму NEAT, що ґрунтується на поєднанні двох взаємодоповнювальних моделей: удосконаленої аналітичної моделі часових витрат нейроеволюційного процесу та вперше запропонованої інтегральної метрики оцінки ефективності алгоритму NEAT. 3. Вперше запропоновано метод оптимізації алгоритму NEAT для підвищення швидкості побудови топології штучних нейронних мереж, який базується на інтеграції моделі Master–Worker для паралельної оцінки придатності, а також моделі часових витрат і інтегральної метрики для оцінки ефективності отриманих рішень та загальної продуктивності алгоритму NEAT. Практичне значення отриманих результатів: теоретичні та експериментальні результати дозволили створити ефективні обчислювальні процедури та програмне забезпечення для прискорення нейроеволюційних алгоритмів без залучення спеціалізованих високопродуктивних-платформ. Реалізація виконана мовою програмування GO з використанням вбудованих механізмів конкурентного програмування. Запропонований метод забезпечує прискорення нейроеволюційного процесу до 10–11 разів порівняно з однопотоковою реалізацією та може застосовуватися у задачах керування, робототехніки, моделювання та інших прикладних галузях. Результати досліджень прийняті до впровадження у ДП «Український Державний Центр Радіочастот» та ТОВ Н’ЮГРАУНД. Дата реєстрації 2026-02-26 Додано в НРАТ 2026-02-26 Закрити