Оптимизация структуры сетей глубокого обучения

Исследуется проблема выбора оптимальной структуры модели. Моделью служит суперпозиция обобщенных линейных моделей, элементами которой являются линейная регрессия, логистическая регрессия, метод главных компонент, автоэнкодер и нейросеть. Под структурой модели понимаются значения структурных параметров модели, задающих вид итоговой суперпозиции. Исследуется свойства алгоритма выбора структуры модели. Исследуется зависимость точности, сложности и устойчивости модели от способа задания структуры. Создан алгоритм выбора оптимальной структуры нейронной сети. Проведен вычислительный эксперимент с использованием реальных и синтетических данных. В результате эксперимента существенно снижена структурная сложность моделей с сохранением точности аппроксимации.