Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008638, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи МЕТОД СТРУКТУРНОГО ДОНАЛАШТУВАННЯ НЕЙРОМЕРЕЖЕВИХ МОДЕЛЕЙ ДЛЯ ЗАБЕЗПЕЧЕННЯ ІНТЕРПРЕТАБЕЛЬНОСТІ Автор Леощенко С. Д.Олійник А. О.Субботін С. О.Гофман Є. О.Корнієнко О. В.Leoshchenko S. D.Oliinyk A. O.Subbotin S. A.Gofman Ye. O.Korniienko O. V. Дата публікації 07-10-2021 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/241784 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Розглянуто задачу структурного доналаштування попередньо синтезованих моделей на базі штучних нейронних мереж для забезпечення властивості інтерпретабельності при роботі із великими об’ємами даних. Об’єктом дослідження є процес структурного доналаштування штучних нейронних мереж з використанням адаптивних механізмів.  Мета роботи полягає у розробці методу структурного доналаштування нейронних мереж для підвищення швидкості їх роботи та зменшенні ресурсоємності при обробці великих даних.  Метод. Запропоновано метод структурного доналаштування нейронних мереж на основі адаптивних механізмів запозичених із нейроеволюційних методів синтезу. На початку метод використовує систему індикаторів для оцінки існуючої структури штучної нейронної мережі. Оцінка ґрунтується на структурних особливостях нейромоделі. Потім отримані індикаторні оцінки порівнюються із критеріальними значеннями для вибору типу структурного доналаштування. У якості варіантів структурного доналаштування використовується варіанти мутаційних змін із групи методів нейроеволюціонної модифікації топології і ваг нейромережі. Метод дозволяє знизити ресурсоємність під час роботи нейромоделі, за рахунок пришвидшення обробки великих даних, що розширює поле практичного застосування штучних нейронних мереж.  Результати. Розроблений метод реалізовано та досліджено на прикладі використання рекурентної штучної мережі типу Довга короткочасна пам’ять при вирішенні задачі класифікації. Використання розробленого методу дозволило збільшити швидкість роботи нейромоделі з тестовою вибіркою на 25,05%, в залежності від використовуваних обчислювальних ресурсів.  Висновки. Проведені експерименти підтвердили працездатність запропонованого математичного забезпечення і дозволяють рекомендувати його для використання на практиці при структурному доналаштуванні попередньо синтезованих нейромоделей для подальшого вирішення задач діагностування, прогнозування, оцінювання та розпізнавання образів з використанням великих даних. Перспективи подальших досліджень можуть полягати в більш тонкому налаштуванні системи індикаторів для визначення зв’язків, що кодують зачумлені дані з метою додаткового підвищення точності роботи моделей на основі нейронних мереж. Додано в НРАТ 2026-02-09 Закрити