Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова
Академік В.М. Глушков був зачинателем багатьох напрямків наукових досліджень, зокрема і напрямку автоматизації проєктування алгоритмів, а розроблена ним концепція алгебри алгоритмів стала основою для багатьох розробок інструментальних засобів у цій галузі. Автори пропонують налаштування раніше створ...
Saved in:
| Published in: | Проблеми керування та інформатики |
|---|---|
| Date: | 2023 |
| Main Authors: | , , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2023
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/211038 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова / І.П. Сініцин, А.Ю. Дорошенко, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2023. — № 3. — С. 74-85. — Бібліогр.: 16 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862721981777969152 |
|---|---|
| author | Сініцин, І.П. Дорошенко, А.Ю. Мамедов, Т.А. Яценко, О.А. |
| author_facet | Сініцин, І.П. Дорошенко, А.Ю. Мамедов, Т.А. Яценко, О.А. |
| citation_txt | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова / І.П. Сініцин, А.Ю. Дорошенко, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2023. — № 3. — С. 74-85. — Бібліогр.: 16 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | Академік В.М. Глушков був зачинателем багатьох напрямків наукових досліджень, зокрема і напрямку автоматизації проєктування алгоритмів, а розроблена ним концепція алгебри алгоритмів стала основою для багатьох розробок інструментальних засобів у цій галузі. Автори пропонують налаштування раніше створеного алгебро-алгоритмічного інструментарію на автоматизоване проєктування та синтез програм, що використовують нейроеволюційні алгоритми. Нейроеволюція є сукупністю методів машинного навчання, що застосовують еволюційні алгоритми для полегшення вирішення складних завдань, що імітують процес природного відбору. Метод нейроеволюції наростаючих топологій (NEAT) призначений для зменшення розмірності простору пошуку параметрів нейромережі у вигляді поступового розвитку її структури у процесі еволюції. Процес починається з популяції дрібних, найпростіших геномів і поступово збільшує їхню складність з кожним новим поколінням. Кінцевим результатом нейроеволюції є оптимальна топологія мережі, яка робить модель більш енергоефективною та зручною для аналізу. Розроблений інструментарій проєктування програм забезпечує автоматизацію побудови високорівневих специфікацій алгоритмів, поданих у системах алгоритмічних алгебр Глушкова, та синтез відповідних програм на основі шаблонів реалізацій цільовою мовою програмування.
Academician V.M. Glushkov was the pioneer of many scientific research directions, including the automation of algorithm design, and his developed concept of the algebra of algorithms laid the foundation for many instrumental tools in this field. The authors propose the adaptation of the previously created algebraic-algorithmic toolkit for the automated design and synthesis of programs using neuroevolutionary algorithms. Neuroevolution is a set of machine learning methods that apply evolutionary algorithms to facilitate the solution of complex problems, simulating the process of natural selection. The Neuroevolution of Augmenting Topologies (NEAT) method is designed to reduce the dimensionality of the parameter search space of neural networks by gradually developing their structure during the evolutionary process. The process begins with a population of small, simple genomes and gradually increases their complexity with each new generation. The final result of neuroevolution is the optimal network topology, which makes the model more energy-efficient and easier to analyze. The developed design toolkit enables the automation of building high-level algorithm specifications presented in Glushkov's algorithmic algebra systems and the synthesis of corresponding programs based on implementation templates in the target programming language.
|
| first_indexed | 2026-03-21T04:16:39Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-211038 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-03-21T04:16:39Z |
| publishDate | 2023 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Сініцин, І.П. Дорошенко, А.Ю. Мамедов, Т.А. Яценко, О.А. 2025-12-22T18:02:26Z 2023 Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова / І.П. Сініцин, А.Ю. Дорошенко, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2023. — № 3. — С. 74-85. — Бібліогр.: 16 назв. — укр. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/211038 004.4’24, 004.89, 004.942 10.34229/1028-0979-2023-3-8 Академік В.М. Глушков був зачинателем багатьох напрямків наукових досліджень, зокрема і напрямку автоматизації проєктування алгоритмів, а розроблена ним концепція алгебри алгоритмів стала основою для багатьох розробок інструментальних засобів у цій галузі. Автори пропонують налаштування раніше створеного алгебро-алгоритмічного інструментарію на автоматизоване проєктування та синтез програм, що використовують нейроеволюційні алгоритми. Нейроеволюція є сукупністю методів машинного навчання, що застосовують еволюційні алгоритми для полегшення вирішення складних завдань, що імітують процес природного відбору. Метод нейроеволюції наростаючих топологій (NEAT) призначений для зменшення розмірності простору пошуку параметрів нейромережі у вигляді поступового розвитку її структури у процесі еволюції. Процес починається з популяції дрібних, найпростіших геномів і поступово збільшує їхню складність з кожним новим поколінням. Кінцевим результатом нейроеволюції є оптимальна топологія мережі, яка робить модель більш енергоефективною та зручною для аналізу. Розроблений інструментарій проєктування програм забезпечує автоматизацію побудови високорівневих специфікацій алгоритмів, поданих у системах алгоритмічних алгебр Глушкова, та синтез відповідних програм на основі шаблонів реалізацій цільовою мовою програмування. Academician V.M. Glushkov was the pioneer of many scientific research directions, including the automation of algorithm design, and his developed concept of the algebra of algorithms laid the foundation for many instrumental tools in this field. The authors propose the adaptation of the previously created algebraic-algorithmic toolkit for the automated design and synthesis of programs using neuroevolutionary algorithms. Neuroevolution is a set of machine learning methods that apply evolutionary algorithms to facilitate the solution of complex problems, simulating the process of natural selection. The Neuroevolution of Augmenting Topologies (NEAT) method is designed to reduce the dimensionality of the parameter search space of neural networks by gradually developing their structure during the evolutionary process. The process begins with a population of small, simple genomes and gradually increases their complexity with each new generation. The final result of neuroevolution is the optimal network topology, which makes the model more energy-efficient and easier to analyze. The developed design toolkit enables the automation of building high-level algorithm specifications presented in Glushkov's algorithmic algebra systems and the synthesis of corresponding programs based on implementation templates in the target programming language. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Роботи та системи штучного інтелекту Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова A method of automated design of neuroevolution algorithms based on Glushkov algebra of algorithms Article published earlier |
| spellingShingle | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова Сініцин, І.П. Дорошенко, А.Ю. Мамедов, Т.А. Яценко, О.А. Роботи та системи штучного інтелекту |
| title | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова |
| title_alt | A method of automated design of neuroevolution algorithms based on Glushkov algebra of algorithms |
| title_full | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова |
| title_fullStr | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова |
| title_full_unstemmed | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова |
| title_short | Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова |
| title_sort | метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів глушкова |
| topic | Роботи та системи штучного інтелекту |
| topic_facet | Роботи та системи штучного інтелекту |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/211038 |
| work_keys_str_mv | AT síníciníp metodavtomatizovanogoproêktuvannâneiroevolûcíinihalgoritmívzvikoristannâmalgebrialgoritmívgluškova AT dorošenkoaû metodavtomatizovanogoproêktuvannâneiroevolûcíinihalgoritmívzvikoristannâmalgebrialgoritmívgluškova AT mamedovta metodavtomatizovanogoproêktuvannâneiroevolûcíinihalgoritmívzvikoristannâmalgebrialgoritmívgluškova AT âcenkooa metodavtomatizovanogoproêktuvannâneiroevolûcíinihalgoritmívzvikoristannâmalgebrialgoritmívgluškova AT síníciníp amethodofautomateddesignofneuroevolutionalgorithmsbasedonglushkovalgebraofalgorithms AT dorošenkoaû amethodofautomateddesignofneuroevolutionalgorithmsbasedonglushkovalgebraofalgorithms AT mamedovta amethodofautomateddesignofneuroevolutionalgorithmsbasedonglushkovalgebraofalgorithms AT âcenkooa amethodofautomateddesignofneuroevolutionalgorithmsbasedonglushkovalgebraofalgorithms |