CNN-NEAT: свёрточная нейроэволюция топологий¶

Научно-исследовательская работа

«Гибридный метод автоматического поиска архитектур свёрточных нейронных сетей на основе нейроэволюции, градиентного бустинга и ансамблевого дообучения (CNN-NEAT + GBM)»

Автор: Городецкий М. А. Научный руководитель: Афанасьев М. А. 2026

Библиотека эволюционного поиска архитектур свёрточных нейронных сетей (поиск архитектур, NAS) в парадигме NEAT. Каждое ребро ориентированного ациклического графа — операция Conv2d; топология и веса эволюционируют совместно. Бинарный классификатор вне генома.

Версия: 0.1.0 Python: ≥ 3.10 PyTorch: ≥ 2.0 CUDA: 12.x Сайт: 11.09.2026

Реализовано Фаза 1 · один против остальных, скрипты 06–16 · MNIST · многоклассовый режим

Новые методы конус размножения · кэш Меркла · два трека · многоклассовое слияние

Модулей в пакете ~71 файл cnn_neat/

Концепт Фазы 2–7 GBM / ResNet

Быстрая навигация¶

Математическая модель

Граф свёрток, хэши Меркла, ёмкость кэша, конус размножения, два трека дообучения

Математическая модель
Справочник функций

Новые функции и поля ExperimentConfig по подсистемам

Справочник функций
Результаты

Снимок чисел (сбалансированная точность на проверке), скрипты 11 и 15, отложенная проверка, графики

Результаты
:material-desktop-mac:{ .lg .middle } Установка и интерфейс

Установка, примеры, NEAT Studio и бот исследований

Использование

Что изменилось относительно классического NEAT-ядра¶

Сайт описывает не только граф и элиту в 20%. Текущий модуль добавляет:

Конус размножения — спекулятивное дерево мутаций в оперативной памяти, оценка на GPU идёт с перекрытием по времени
Кэш Меркла прямого прохода — активации, адресуемые по содержимому, и запланированный уникальный промах
StructureCopyBudget — не больше одной находящейся в памяти копии полного structure_hash
Два трека градиентного дообучения — после первого периодического дообучения два независимых пула: без дообучения и линия дообучения
Гибрид процессор / GPU — device=cpu и periodic_gd_device="cuda"
Исследования «один против остальных», скрипты 06 и 09–12 — рабочий путь вместо исторического скрипта 05
Многоклассовый режим из десяти бинарных задач — слияние 10 чемпионов в один геном с несколькими выходами (ova_merge), выбор класса по максимуму на концах, эволюция с дообучением и без него (скрипты 13, 14, 14b, 16)
MNIST, один против остальных — тот же протокол фаз A–D (скрипт 15)
Параллельные мутации — мутации родителей в пуле процессов (mutation_mp)
NEAT Studio и Telegram-бот управления исследованием

Подробности: архитектура, цикл эволюции.

Позиционирование¶

Метод	Стратегия	Пространство	GPU
CNN-NEAT	Нейроэволюция (NEAT)	Граф свёрток	Адаптивная (видеопамять и кэши)
DARTS	Дифференцируемая релаксация	Ячейки	Высокая
ENAS	Обучение с подкреплением и общие веса	Ячейки	Высокая
AmoebaNet	Регуляризованная эволюция	Ячейки	Средняя