Automatic development of deep neural networks for improving numerical meteorological forecast

• Опубліковано в: PROBLEMS IN PROGRAMMING
• Дата: 2024
• Випуск: 1
• Сторінки: 57-63
• ISSN: 1727-4907
• Автори та афіліації: А.Yu. Doroshenko — Institute of Software Systems NAS of Ukraine; R.V. Kushnirenko — Institute of Software Systems NAS of Ukraine
• Ключові слова: “глибоке навчання”, нейроеволюція, автоматизація проєктування нейромереж, глибоке навчання, глибокі нейронні мережі, машинне навчання, глибоке навчання з підкріпленням, автоматизоване машинне навчання, автоматизація навчання, нейронні мережі глибинного навчання
• Автори: Doroshenko, А.Yu., Kushnirenko, R.V.
• Формат: Стаття
• Мова: Українська
• Опубліковано: PROBLEMS IN PROGRAMMING 2024
• Теми: deep learning; automatic development of neural networks; neuroevolution; meteorological forecasting; UDC 51:681.3.06
• Онлайн доступ: https://pp.isofts.kiev.ua/index.php/ojs1/article/view/607
• Назва журналу: Problems in programming

This paper briefly describes the examples of deep learning applications to scientific and technical problems, as well as the difficulties that may arise with these applications. The paper shows the importance of the automatic development of deep neural networks. The paper verifies the possibility of the application of the neuroevolutionary approach to the post-processing of the results of meteorological forecasting (2m temperature) obtained using numerical hydrodynamic methods. The results show that in half of the cases, both the rootmean-square error value and the percentage of improved predictions are better (and in some cases much better) for the neuroevolutionary approach than the corresponding values for the manually designed architecture. Thus, neural network models obtained automatically can outperform manually designed models while applied to improving numerical meteorological forecastsPrombles in programming 2024; 1: 57-63