Лаборатория автоматического машинного обучения (заключительный)

Объектом исследований являются композитные модели машинного обучения для природных, технических и социальных процессов реального мира. Целью работы является повышение эффективности автоматического машинного обучения за счет резкого снижения временных затрат, требуемых на получение качественного решения (структуры пайплайна моделирования) с помощью методов и алгоритмов мета-оптимизации, сохраняя при этом высокую вариативность возможных вариантов пайплайна, типов задач и данных. В ходе выполнения настоящего этапа проекта получены следующие результаты: 1) разработан алгоритм генерации структур пайплайнов МО и их гиперпараметров с помощью аппарата графовых нейронных сетей; 2) разработан алгоритм суррогатного оценивания целевых функций с помощью графовых нейронных сетей, применяемого в ходе оптимизации структур пайплайнов; 3) разработан метод мета-автоматического обучения, основанный на применении графовых нейронных сетей, обучения с подкреплением и топологического анализа данных; 4) выполнены эксперименты для оценки применимости разработанных методов и алгоритмов для различных постановок прикладных задач; 5) осуществлена программная реализация в виде библиотеки с открытым исходным кодом, совместимая с фреймворком FEDOT. Область применения включает в себя решение задач предсказательного моделирования различных природных, социальных и технических систем. Результаты НИР могут быть использованы для автоматизации создания и применения моделей ИИ в различных предметных областях, включая наукоёмкие.