Метод еволюції архітектури штучних нейронних мереж

Abstract

У роботі розглянуто метод еволюції архітектури штучних нейронних мереж на основі алгоритму NEAT (NeuroEvolution of Augmenting Topologies). Підхід передбачає одночасну оптимізацію вагових коефіцієнтів і топології мережі шляхом застосування еволюційних операторів відбору, рекомбінації та мутації. Показано, що використання нейроеволюції дозволяє автоматизувати синтез адаптивних структур штучних нейронних мереж без ручного проєктування. Визначено переваги методу, зокрема збереження різноманітності популяції та поступове ускладнення архітектури, а також характерні обмеження, пов’язані з обчислювальною вартістю та швидкістю збіжності..

This paper considers a method for evolving the architecture of artificial neural networks based on the NEAT (NeuroEvolution of Augmenting Topologies) algorithm. The approach involves simultaneous optimization of connection weights and network topology through evolutionary operators of selection, recombination, and mutation. It is shown that the use of neuroevolution enables automated synthesis of adaptive artificial neural networks structures without manual design. The advantages of the method are identified, including preservation of population diversity and gradual complexification of the architecture, as well as inherent limitations related to computational cost and convergence speed.