20.500.12556/DKUM-85206 Uporaba nevronskih mrež pri iskanju binarnih sekvenc z nizkimi avtokorelacijami magistrsko delo Use of neural networks in search of binary sequences with low autocorrelations Uporaba nevronskih mrež je vedno bolj razširjena, tako v vsakdanjem življenju kot na različnih raziskovalnih področjih. Kljub razširjeni uporabi pa obstajajo raziskovalni problemi, kjer uporabna vrednost nevronskih mrež še ni bila preverjena. Eno izmed takšnih področij je iskanje binarnih sekvenc z nizko avtokorelacijo (ang. low-autocorelation binary sequence), pri katerem se iščejo binarna zaporedja različnih dolžin, ki imajo čim manjšo vrednost avtokorelacije. Takšne sekvence se zaradi svojih specifičnih lastnosti uporabljajo pri mnogih raziskovalnih področjih, njihovo iskanje pa predstavlja izjemno zahteven kombinatoričen problem. V našem delu predstavimo dve nevronski mreži, ki služita za usmerjanje iskalnega algoritma samoizogibnega sprehoda pri iskanju binarnih sekvenc dolžine 31 in 41. Prva nevronska mreža je učena pravil popačene simetrije. Ta pravila zmanjšajo dimenzijo iskalnega prostora, nevronska mreža pa se jih je uspela naučiti. V želji izboljšanja obstoječega mehanizma smo naučili tudi drugo nevronsko mrežo, ki v iskalnem algoritmu doseže statistično signifikantno boljše rezultate kot mehanizem popačene simetrije. Za to nevronsko mrežo dodatno analiziramo število funkcijskih ovrednotenj za dosego najboljše znane rešitve. Izkazalo se je, da izboljšana nevronska mreža za dosego najboljših znanih rešitev potrebuje manj funkcijskih ovrednotenj kot uporaba pravil popačene simetrije. The usage of neural networks is getting more and more widespread in everyday life as well as in various scientific fields. Regardless of their widespread use, there are still specific research problems for which the usability of neural networks has yet to be tested. One such problem is the search for binary sequences of different lengths with their autocorrelations as small as possible, commonly called a "low-autocorrelation binary sequence problem". Their specific properties can be utilized in many different research topics, but finding them is a complex combinatorial problem. Our novel work presents two neural networks that guide the self-avoiding walk algorithm in the search for sequences of lengths 31 and 41. The first neural network is trained on skew-symmetric sequences, and it was able to mimic this accurately. Additionally, we present another neural network with an improved mechanism that yields statistically significantly better results than skew-symmetry. We also compared the number of function evaluations needed to obtain the best-known results. Self-avoiding walk utilizing an improved neural network used fewer function evaluations than the one utilizing skew-symmetry. nevronske mreže binarne sekvence iskalni algoritem samoizogibni sprehod neural networks binary sequences search algorithm self-avoiding walk true true false [J. Popič] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2023-08-22 11:53:39 2023-09-21 08:49:30 2023-10-17 03:09:58 0000-00-00 00:00:00 2023 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (IX, 42 f.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.8.032.26(043.2) 168580099 MAG_Popic_Jan_2023.pdf MAG_Popic_Jan_2023.pdf 1 4F8600D06D430A14C53661B5B15A8C66 40f2d2c8844fc197ccd86b9a49cae0f2b3f8532bd6f8de319520ee5f1e3683a3 60520e12-40d5-11ee-8474-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=170031 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0