基于FS-SIA的毁伤预测神经网络超参数优化方法
作者机构:郑州大学网络空间安全学院 嵩山实验室 郑州市区块链与数据智能重点实验室 河南省科技创新促进中心
出 版 物:《郑州大学学报(理学版)》 (Journal of Zhengzhou University(Natural Science Edition))
年 卷 期:2024年
学科分类:11[军事学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 1109[军事学-军事装备学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:嵩山实验室预研项目(YYYY022022003) 河南省重点研发与推广专项(科技攻关)(212102310039)
摘 要:针对毁伤预测中神经网络超参数设置及调试过程较为复杂的问题,提出一种基于特征选择结合群体智能(feature selection and swarm intelligence algorithm,FS-SIA)的超参数优化方法,用于在毁伤预测中对神经网络进行超参数的搜索和优化。首先,通过多种特征排序方法确定毁伤特征的重要性,选取公共的特征偏序子集用于模型训练。其次,针对具体的神经网络模型,分别采用多种群体智能算法进行超参数的搜索和优化。最后,得出特征集性能最优的超参数训练模型。实验结果表明,相较于未经特征排序而单纯采用群体智能算法的其他超参数优化模型,所提方法在毁伤预测上具有更快的收敛速度和更高的准确率。