Нейросетевой виртуальный анализатор для оценки показателя качества выходного продукта с использованием генетического алгоритма

В промышленности широкое распространение получили нейросетевые виртуальные анализаторы (ВА) для оценки показателей качества выпускаемой продукции в режиме реального времени. При их разработке много времени уходит на поиск наиболее эффективной структуры нейронной сети (НС). Процедура настройки, обучения и тестирования применяется к каждой экспериментальной НС, так как параметры ее архитектуры – число скрытых слоев, число нейронов в каждом слое и функция активации имеют несколько возможных значений. Разработка подходов к поиску соответствующих гиперпараметров сократит время, необходимое для разработки нейросетевых ВА, и облегчит работу исследователей. Представлен подход к поиску оптимальной архитектуры НС при построении ВА с использованием генетического алгоритма. В предложенном подходе представлена модификация оператора скрещивания, позволяющая получить достаточно разнообразный набор гиперпарметров НС, что приводит к улучшению точности разработанного на ее основе ВА. Остановка алгоритма осуществляется автоматически при достижении критерия точности полученного нейросетевого ВА заданному значению. Эффективность предложенного подхода демонстрируется на синтетическом примере и на примере промышленного процесса стабилизации и перегонки бензина для оценки качества фракции 35…70 ºС.