УДК 004.032.26
DOI: 10.36871/2618­-9976.2026.03.006

Авторы

Яха Ахмудовна Хадуева,
Старший преподаватель кафедры «Прикладной математики и компьютерных технологий», ФГБОУ ВО Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Барият Махмудовна Рамазанова,
Кандидат биологических наук, доцент, Дагестанский Государственный Педагогический Университет им. Р. Гамзатова, Махачкала, Россия
Карина Дагировна Шахдуллаева,
Студент третьего курса направления «Фундаментальная информатика и информационные технологии» факультета математики и компьютерных наук», Федеральное государственное бюджетное образовательное учреждение высшего образования «Дагестанский государственный университет», Махачкала, Россия

Аннотация

В условиях интенсивного развития методов глубокого обучения  и  расширения  областей  применения  нейронных  сетей  особую  актуальность  приобретает  исследование  методов  искусственного интеллекта, предназначенных для оптимизации  гиперпараметров  моделей,  поскольку  именно  гиперпараметры  в  значительной  степени  определяют  способность  сети  к  обобщению,  устойчивость  к  переобучению,  вычислительную  эффективность  и  практическую  применимость  в  реальных  задачах.  В  статье  рассматриваются  методы  искусственного  интеллекта, применяемые для оптимизации гиперпараметров  нейронных  сетей,  поскольку  корректный  выбор  параметров  обучения и архитектуры существенно влияет на качество работы  модели,  ее  устойчивость  к  переобучению  и  вычислительную  эффективность.  Анализируются  классические  и  современные подходы к автоматизированной настройке гиперпараметров, включая случайный поиск, байесовскую оптимизацию, эволюционные алгоритмы, обучение с подкреплением  и  элементы AutoML.  Отдельное  внимание  уделяется  преимуществам и ограничениям различных методов, а также условиям их применения в задачах глубокого обучения.

Ключевые слова

нейронные сети
гиперпараметры
оптимизация
искусственный интеллект
байесовская оптимизация
эволюционные алгоритмы
AutoML

Список литературы

[1] Аверкин А.Н. Интеллектуальные системы: учебник / А.Н. Аверкин. Москва: Академия, 2012. 256 с.

[2] Батищев Д.И. Эволюционные алгоритмы и их применение / Д.И. Батищев. Москва: Физматлит, 2010. 312 с.

[3] Воронцов К.В. Машинное обучение: курс лекций / К.В. Воронцов. Москва: МЦНМО, 2017. 320 с.

[4] Головко В.А. Нейронные сети: обучение, организация и применение / В.А. Головко. Москва: ИПРЖР, 2011. 256 с.

[5] Девятков В.В. Искусственный интеллект: учебное пособие / В.В. Девятков. Москва: ИНФРА­М, 2018. 288 с.

[6] Добрынин А.П. Искусственный интеллект и машинное обучение: учебник / А.П. Добрынин. Санкт­Петербург: Питер, 2020. 352 с.

[7] Карпенко А.П. Современные методы  оптимизации / А.П. Карпенко. Москва: МГТУ  им. Н.Э. Баумана, 2011. 384 с.

[8] Ляпунов А.А. Кибернетика  и  вычислительная  техника  /  А.А.  Ляпунов.  Москва: Наука, 1982. 240 с.

[9] Осипов Г.С. Искусственный  интеллект:  состояние  и  перспективы  /  Г.С.  Осипов. Москва: Физматлит, 2019. 416 с.

[10] Хайкин С. Нейронные сети: полный курс / С. Хайкин; пер. с англ. Москва: Вильямс, 2016. 1104 с.