| DC Field | Value | Language |
|---|
| dc.contributor.author | Прохоренко, В. А. | - |
| dc.contributor.author | Смородин, В. С. | - |
| dc.contributor.author | Никитюк, Ю. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-09-04T08:26:33Z | - |
| dc.date.available | 2026-09-04T08:26:33Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Прохоренко, В. А. Разработка платформенно-ориентированного алгоритма синтеза оптимальной нейросетевой архитектуры для мониторинга лазерной полировки кварцевых стекол = Development of a Platform-Oriented Algorithm for Synthesizing an Optimal Neural Network Architecture for Monitoring Laser Polishing of Quartz Glass / В. А. Прохоренко, В. С. Смородин, Ю. В. Никитюк // Доклады БГУИР. – 2026. – Т. 24, № 4. – С. 38–46. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/65648 | - |
| dc.description.abstract | Предложен алгоритм эволюционного синтеза архитектур нейронных сетей, ориентированный на решение задач мониторинга технологических процессов в условиях ограниченных вычислительных ресурсов и обучающих выборок в режиме реального времени. Алгоритм основан на модифицированном подходе нейроэволюции, в котором геном особи включает в себя граф крупных функциональных блоков и происходит отслеживание истории инноваций. Оценка особей популяции выполнялась многокритериальным алгоритмом NSGA-II на основе точности классификации и времени прямого прохода сети на целевом устройстве. Работоспособность алгоритма продемонстрирована на задаче классификации изображений с использованием набора данных CIFAR-10, а также на прикладной задаче классификации режимов работы при реализации технологической операции лазерной однолучевой полировки кварцевых стекол. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | доклады БГУИР | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | нейроэволюция | en_US |
| dc.subject | лазерная обработка | en_US |
| dc.title | Разработка платформенно-ориентированного алгоритма синтеза оптимальной нейросетевой архитектуры для мониторинга лазерной полировки кварцевых стекол | en_US |
| dc.type | Article | en_US |
| dc.identifier.DOI | http://dx.doi.org/10.35596/1729-7648-2026-24-4-38-46 | - |
| local.description.annotation | An evolutionary synthesis algorithm for neural network architectures is proposed. It is designed to address real-time process monitoring tasks with limited computing resources and training data. The algorithm is based on a modified neuroevolution approach, in which the individual genome comprises a graph of large functional blocks and the history of innovations is tracked. The evaluation on population individuals was performed by the multi-criteria algorithm NSGA-II based on classification accuracy and the forward pass time network on the target device. The algorithm’s performance is demonstrated on an image classification task using the CIFAR-10 dataset, as well as on the applied task of classifying operating modes during the single-beam laser polishing of quartz glass. | en_US |
| Appears in Collections: | Том 24, № 4
|
