Об эффективности эволюционных алгоритмов многокритериального проектирования искусственных нейронных сетей

Искусственные нейронные сети могут быть широко использованы в различных областях: экономике, медицине, космической отрасли и т. п. Однако при использовании нейронных сетей для решения конкретной задачи возникает проблема выбора эффективной структуры нейронной сети. Решение этих проблем является важным этапом применения нейросетевых технологий для практических задач, так как от этих этапов напрямую зависит качество (адекватность) полученной нейросетевой модели. Однако это требует больших затрат временных и материальных ресурсов, что приводит к необходимости автоматизировать процесс. Для этого предлагается использовать многокритериальные эволюционные алгоритмы, такие как SPEA, SPEA2 и NSGAII, так как они могут решать сразу две проблемы: во-первых, генерировать небольшие нейронные сети, тем самым экономя вычислительные ресурсы, а во-вторых, решать поставленные задачи достаточно качественно. Модифицированные эволюционные алгоритмы, которые производят отбор наиболее информативных признаков, не улучшают работу алгоритмов, использующих все входы на задачах малой размерности, но значительно повышают точность при росте размерности. Модифицированные алгоритмы одновременно с автоматическим проектированием структуры искусственных нейронных сетей определяют наиболее информативные признаки, причем включают в качестве входов только слабо коррелированные друг с другом переменные исходной задачи.