Современные исследования в области поиска архитектуры нейронных сетей (NAS) сосредоточены на автоматизации проектирования моделей. Традиционные методы NAS часто опираются на метапризнаки данных, что недостаточно для создания адаптивных архитектур. В данной работе представлен инновационный подход — саморасширяющаяся нейронная сеть, способная динамически изменять свою структуру в процессе обучения. Метод основан на принципе "от меньшего к большему" и использует "обратный прунинг": вместо удаления неэффективных элементов сеть добавляет новые нейроны и связи, анализируя средний градиент и функцию потерь. Расширение реализуется на последнем слое с применением спарс-матриц и периодичности, определяемой характером изменения потерь, что минимизирует затраты на переобучение и повышает стабильность

Миронов И.Н., Федоров Д.М., Кутергин Ф.С., Бессонницын Е.С. (науч. рук. Ефимова В.А.) Саморасширяющаяся нейронная сеть // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/16014