Дисертація на здобуття наукового ступеня доктора філософії на тему «Методи синтезу рекурентних нейромережевих моделей для діагностування»

Abstract

UK: Об’єкт дослідження – процес синтезу діагностичних нейромоделей на основі історичних даних. Основні результати, які визначають наукову новизну роботи, полягають у наступному. Вперше запропоновано генетичний метод синтезу діагностичних моделей на основі рекурентних нейронних мереж. Вперше запропоновано паралельний генетичний метод синтезу діагностичних моделей на основі рекурентних нейронних мереж з імплементацією механізмів селективного тиску. Вперше запропоновано метод структурної оптимізації діагностичних нейромоделей для підвищення характеристик інтерпретабельності моделей. Удосконалено систему індикаторів для оцінювання рівня складності задачі з метою визначення механізмів доналаштування параметрів нейронних мереж. EN: The object of research is the process of synthesizing diagnostic neuromodels based on historical data. The main results that determine the scientific novelty of the work are as follows. For the first time, a genetic method for synthesizing diagnostic models based on recurrent neural networks is proposed. For the first time, a parallel genetic method for synthesizing diagnostic models based on recurrent neural networks with the implementation of selective pressure mechanisms is proposed. For the first time, a method for structural optimization of diagnostic neuromodels is proposed to improve the characteristics of model interpretability. The system of indicators for assessing the level of complexity of the problem has been improved in order to determine the mechanisms for additional adjustment of neural network parameters.