Стіренко, Сергій ГригоровичОлексієнко, Ілля Вадимович2020-01-162020-01-162019Олексієнко, І. В. Система навчання нейронних мереж на основі блочної еволюції зростаючих капсульних топологій : магістерська дис. : 121 Інженерія програмного забезпечення / Олексієнко Ілля Вадимович. – Київ, 2019. – 103 с.https://ela.kpi.ua/handle/123456789/30863Структура i обсяг роботи: магістерська дисертація викладена на 103 cторiнкаx, cкладаєтьcя зі вступу, 5 розділів, висновку, містить 33 рисунки, 35 таблиць, 16 формул, список використаних джерел із 43 найменувань на 4 cторiнкаx. Актуальність роботи. Для задач розпізнавання візуальних образів найкращими на сьогоднішній день є згорткові нейронні мережі розробкою яких протягом багатьох років займаються провідні дослідники та компанії світу. Попри те, що цей тип нейронних мереж показує високу ефективність роботи, в нього є серйозні недоліки, а саме висока вразливість до шуму в зображенні та відсутність аналізу просторових зв’язків між об’єктами. Існує певний набір методів автоматичного пошуку архітектури згорткової нейронної мережі, які досягають такого ж рівня точності роботи, як і у створених вручну архітектур, проте дані методи обмежуються лише лінійними архітектурами із одним вхідним та одним вихідним шаром, що робить неможливим їхнє застосування для задач, які містять дані різного роду. Капсульні нейронні мережі, запропоновані Дж. Е. Гінтоном [12] не мають недоліків згорткових нейронних мереж, проте не існує методів для автоматичного пошуку архітектури капсульної нейронної мережі. Мета роботи: підвищення захищеності автоматично створених архітектур штучних нейронних мереж. Завдання досліджень: 1.Проаналізувати сучасні методи навчання та типи нейронних мереж на захищеність до шуму та атак. 2.Розробити метод генерації архітектури капсульних нейронних мереж. 3.Провести порівняльний аналіз створеної архітектури та сучасних згорткових нейронних мереж на захищеність до шуму та атак. 4.Розробити стартап-проєкт. Об’єкт дослідження: штучні нейронні мережі. Предмет дослідження: методи пошуку архітектури нейронної мережі, захищеність створених архітектур від атак та шуму, застосовність даних методів до прикладних задач. Методи дослідження: методи статистичного опрацювання даних, теорія штучних нейронних мереж, теорія генетичних алгоритмів.ukштучні нейронні мережігенетичний алгоритмнейроеволюціяавтоматичний пошук архітектури нейронної мережіатака чорної коробкигаусівський шуммашинне навчанняartificial neural networksgenetic algorithmneuroevolutionautomatic search for neural network architectureblack box attackGaussian noisemachine learningMaster Thesis103 с.004.855.5