Optimizacija parametrov in arhitekture nevronskih mrež s pomočjo genetskih algoritmovNaglič, Vita (Avtor) Vračar, Petar (Mentor) genetski algoritminevronske mrežeoptimizacija arhitekturoptimizacija hiperparametrovalgoritem NEATV diplomskem delu je predstavljena optimizacija arhitektur nevronskih mrež z uporabo genetskih algoritmov. Glavni izziv predstavlja sočasno določanje arhitekture in hiperparametrov, kar je pri klasičnih pristopih pogosto zamudno in neučinkovito. Razvit je bil kromosomski zapis, ki v enotni obliki združuje hiperparametre in parametre skritih plasti, ter postopki selekcije, mutacije in več načinov križanja. Definirana je bila funkcija uspešnosti, ki poleg uspešnosti učenja upošteva kazen za kompleksnost, ter progresivni urnik učenja. V nalogi smo oblikovali celovit algoritem za samodejno iskanje ustreznih arhitektur in hiperparametrov ter ga primerjali z algoritmom NEAT. Predlagani pristop smo ovrednotili na šestih podatkovnih zbirkah iz repozitorija UCI in pokazali, da dosega konkurenčne rezultate glede napovedne uspešnosti, vendar na račun večje kompleksnosti in časovne zahtevnosti v primerjavi z algoritmom NEAT, ki gradi enostavnejše arhitekture in je hitrejši.20252025-09-15 11:05:01Diplomsko delo/naloga173262sl