Evoluční návrh konvolučních neuronových sítí

Abstract

Cieľom tejto diplomovej práce je popísať základné techniky evolučného počítania, konvolučných neurónových sietí (CNN) a automatický návrh neurónových sietí pomocou neuroevolúcie ( NAS - Neural Architecture Search ). NAS techniky sú v súčasnej dobe stále viac skúmané, nakoľko zrýchľujú a zjednodušujú zdĺhavý a namáhavý proces návrhu umelých neurónových sietí, a taktiež umožňujú hľadať nekonvenčné architektúry, ktoré by klasickými metódami návrhu nevznikli. Práca obsahuje návrh a implementáciu programu, ktorý je schopný automatického návrhu konvolučných neurónových sietí s využitím open-source knižnice TensorFlow. Program na návrh CNN využíva algoritmus NSGA-II, čo je multikriteriálna varianta genetických algoritmov. Vďaka využití multikriteriálneho optimalizačného algoritmu je program schopný hľadať Pareto množinu optimálnych riešení v závislosti od presnosti sietí a počtu ich parametrov.The aim of this Master's thesis is to describe basic technics of evolutionary computing, convolutional neural networks (CNN), and automated design of neural networks using neuroevolution ( NAS - Neural Architecture Search ). NAS techniques are currently being researched more and more, as they speed up and simplify the lengthy and complicated process of designing artificial neural networks. These techniques are also able to search for unconventional architectures that would not be found by classic methods. The work also contains the design and implementation of software capable of automated development of convolutional neural networks using the open-source library TensorFlow. The program uses a multiobjective NSGA-II algorithm for designing accurate and compact CNNs.