Покращення продуктивності побудови оптимальної топології штучних нейронних мереж з використанням нейроеволюційних алгоритмів за рахунок застосування методу паралельної оцінки придатності

Simple item page
dc.contributor.authorОмельяненко, Я.uk_UA
dc.date.accessioned2025-03-19T11:22:58Z
dc.date.available2025-03-19T11:22:58Z
dc.date.issued2024
dc.descriptionNeuroevolution algorithms, a subset of genetic algorithms family, utilize evolutionary processes inspired by natural evolution to train artificial neural networks. A crucial aspect of neuroevolution is evaluating the fitness scores of each candidate solution at the end of each evolutionary epoch. This often involves running complex simulations of physical processes, which can significantly slow down the training if done sequentially for each candidate. This work proposes a solution that leverages the inherent parallel processing capabilities of the GO programming language to evaluate fitness scores concurrently. The efficiency of this method is tested using two classic reinforcement learning experiments: single and double pole balancing. Experimental results show a significant improvement in training speed when using the proposed parallel evaluation method compared to sequential evaluation.en_US
dc.description.abstractМатеріали доповiді учасника 15 міжнародної науково-практичної конференції "Теоретичні та прикладні аспекти побудови програмних систем", Київ, 23-24 грудня 2024 р.uk_UA
dc.identifier.citationОмельяненко, Я. В. Покращення продуктивності побудови оптимальної топології штучних нейронних мереж з використанням нейроеволюційних алгоритмів за рахунок застосування методу паралельної оцінки придатності / Омельяненко Я. В. // Теоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р. / [за заг. ред.: М. М. Глибовця, Т. В. Панченка та iн. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2024. - C. 52-53.uk_UA
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/34039
dc.language.isoukuk_UA
dc.publisherНаціональний університет "Києво-Могилянська академія"uk_UA
dc.relation.sourceТеоретичні та прикладні аспекти побудови програмних систем : працi 15 міжнародної науково-практичної конференції, Київ, 23-24 грудня 2024 р.uk_UA
dc.statusfirst publisheduk_UA
dc.subjectнейроеволюційні алгоритмиuk_UA
dc.subjectоптимальні контролериuk_UA
dc.subjectнейроеволюція наростаючих топологій (NEAT)uk_UA
dc.subjectматеріали конференціїuk_UA
dc.titleПокращення продуктивності побудови оптимальної топології штучних нейронних мереж з використанням нейроеволюційних алгоритмів за рахунок застосування методу паралельної оцінки придатностіuk_UA
dc.title.alternativeEnhancing the efficiency of creation of optimal artificial neural network topologies with neuroevolutionary algorithms through parallel fitness evaluationen_US
dc.typeConference materialsuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Omelianenko_Pokrashchennia_produktyvnosti_pobudovy_optymalnoi_topolohii_shtuchnykh_neironnykh_merezh.pdf
Size:
185.31 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Теоретичні та прикладні аспекти побудови програмних систем: 15 Міжнародна науково-практична конференція