Evolutionary Algorithms in Convolutional Neural Network Design

Táto práca sa zaoberá možnosťami automatizácie návrhu neurónových sietí pomocou neuroevolúcie, t. j. využitia evolučných algoritmov pri konštruovaní umelých neurónových sietí alebo optimalizovaní ich parametrov. Cieľom práce je navrhnúť a implementovať evolučný algoritmus v podobe frameworku slúžiaceho na automatizáciu a optimalizáciu návrhu topológií konvolučných neurónových sietí. Účinnosť frameworku bola následne experimentálne vyhodnotená na úlohách klasifikácie obrazu na datasetoch MNIST a CIFAR10. Výsledky ukázali, že neuroevolúcia má potenciál hľadať úspešné a efektívne architektúry konvolučných neurónových sietí.This work focuses on automatization of neural network design via the so-called neuroevolution, which employs evolutionary algorithms to construct artificial neural networks or optimise their parameters. The goal of the project is to design and implement an evolutionary algorithm which can be used in the process of designing and optimizing topologies of convolutional neural networks. The effectiveness of the proposed framework was experimentally evaluated on tasks of image classification on datasets MNIST and CIFAR10 and compared with relevant solutions. The results showed that neuroevolution has a potential to successfully find accurate and effective convolutional neural network architectures.