Оптимізація архітектури нейронних мереж з урахуванням аугментації даних

Анотація

Робота присвячена вирішенню протиріччя між підвищенням стійкості моделі до завад і спотворень та ускладненням задачі навчання моделі в умовах обмежених обчислювальних ресурсів. Метою роботи є визначення архітектури моделей нелінійної динаміки в умовах обмежених навчальних даних при забезпеченні заданої точності моделювання. Ця мета досягається шляхом розвитку методу підбору архітектури нейронних мереж NAS. Наукова новизна роботи полягає у подальшому розвитку методу підбору архітектури нейронної мережі NAS при ідентифікації нелінійних динамічних об'єктів з врахуванням спотворень навчального датасету шляхом додавання аугментованих даних. На відміну від традиційного підходу до попереднього навчання, розроблений метод дозволяє будувати більш стійкі до дії завад моделі при забезпеченні необхідної точності. Практична користь роботи полягає в розвитку підходу до адаптації архітектури в залежності від методів аугментації, що використовуються, шляхом розробки алгоритму методу підбору архітектури нейронної мережі NAS з врахуванням аугментації даних, що дозволяє будувати більш надійні моделі без втрати точності моделювання. Наведено результати експериментів з моделювання тестових об'єктів з нелінійними динамічними характеристиками, проаналізовано вплив аугментації даних на якість і стійкість отриманих моделей. Цінність проведеного дослідження полягає у визначенні області ефективного використання запропонованого методу, як задач з нестачею розмічених даних при відсутності суворих вимог до швидкості процесу моделювання.