Многокритериальные нейроэволюционные системы в задачах машинного обучения и человеко-машинного взаимодействия

Монография посвящена разработке и исследованию многокритериальных нейроэволюционных систем для решения задач машинного обучения и создания автоматизированных систем человеко-машинного взаимодействия (HCI). В работе рассматриваются современные методы машинного обучения, классификации и оптимизации, а также проблемы распознавания эмоций при разработке человеко-машинных интерфейсов.

В книге представлен коллективный самоконфигурируемый эволюционный алгоритм многокритериальной оптимизации, исследована его эффективность на репрезентативном наборе тестовых задач. Особое внимание уделяется многокритериальному подходу к проектированию ансамблей классификаторов и отбору информативных признаков для повышения точности моделей.

Авторы разрабатывают гибридный алгоритм обучения конволюционных нейронных сетей с применением эволюционных алгоритмов оптимизации, сочетающий преимущества алгоритмов обратного распространения ошибки и эволюционных методов. Эффективность предложенных подходов исследуется на практических задачах анализа изображений и других прикладных областях.