@article{Кривохата_Кудін_Горбенко_2020, title={ВИКОРИСТАННЯ ГЕНЕТИЧНИХ АЛГОРИТМІВ ПРИ РОЗРОБЦІ IOT СИСТЕМ КЛАСИФІКАЦІЇ ЗВУКУ}, url={http://journalsofznu.zp.ua/index.php/comp-science/article/view/239}, abstractNote={<p>У роботі розглядаються моделі та методи машинного навчання, що застосовуються в системах IoT (Internet of Things), зокрема для вирішення проблеми класифікації акустичних даних різного походження, таких як мова, музика, звуки природи тощо. Підсистеми класифікації звуку можуть бути впроваджені у різних системах інтернету речей, наприклад, Smart City, Smart Farming тощо. Розробка програмного забезпечення IoT включає такі виклики: обмеженість обчислювальних ресурсів, відносно невеликий об’єм оперативної пам’яті тощо. Отже, існує потреба у розробці оптимального класифікатора з найвищою здатністю до узагальнення. Здебільшого автоматизована система класифікації звуку може бути розбита на чотири частини: звукове подання, функції вилучення ознак, алгоритм машинного навчання та оцінка точності. Основна увага в цій роботі приділяється алгоритмам машинного навчання. Використовуються згорткові нейронні мережі для класифікації звуку та порівнюються декілька підходів до ансамблевого навчання. Генетичні алгоритми є типовою стратегією як для структурної оптимізації нейронних мереж, так і для їх ансамблів. Для побудови оптимальної конфігурації генетичних операторів розглянуто різні методи представлення розв’язку та кросовер-функції. Метою роботи є розробка оптимального класифікатора звуку для вбудованих систем. Представлення розв’язку – генотип – це сукупність гіперпараметрів нейронної мережі, що включає кількість та тип шарів нейронної мережі, тип функцій активації, початкові значення ваг, швидкість навчання тощо. Метод ансамблю Snapshot і комбінація різних нейронних мереж використовуються для ансамблевого навчання. Ключова ідея даної роботи – оптимізація засобами генетичних алгоритмів як нейронних мереж, так і методу побудови ансамблю. У роботі порівнюються різні генетичні оператори кросовера з метою отримання оптимальної конфігурації IoT системи.</p&gt;}, number={2}, journal={Computer Science and Applied Mathematics}, author={Кривохата, А. Г. and Кудін, О. В. and Горбенко, В. І.}, year={2020}, month={Бер}, pages={69-74} }