检索结果-南通市图书馆

检索条件"主题词=进化计算方法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于进化计算的卷积神经网络结构搜索算法研究

基于进化计算的卷积神经网络结构搜索算法研究

引用

作者：翟蕾蕾西安邮电大学

学位级别：硕士

卷积神经网络在图像分类领域已经展现出卓越的性能,而网络拓扑结构对模型性能起到了决定性作用,因此,如何设计合适的网络结构成为当前研究的热点。在手工设计网络架构与优化过程中,网络层之间的连接方式、网络结构深度和超参数等都需要... 详细信息

卷积神经网络在图像分类领域已经展现出卓越的性能,而网络拓扑结构对模型性能起到了决定性作用,因此,如何设计合适的网络结构成为当前研究的热点。在手工设计网络架构与优化过程中,网络层之间的连接方式、网络结构深度和超参数等都需要不断调试,这不仅对设计人员的专业知识背景有着极高的要求,还需要耗费大量的时间和精力。同时,针对不同的数据场景,在实际应用时还需要对模型进一步调整。为解决手动设计神经网络时耗时耗力的问题,进化神经结构搜索(Evolutionary Neural Architecture Search,ENAS)方法通过算法迭代寻优,可以设计出超越人工设计网络的性能。然而,目前ENAS仍面临一些挑战,尤其是搜索效率低下和模型参数量未受控制的问题。为解决这些问题并设计出高性能的网络结构,本文分别基于粒子群优化算法和遗传算法,提出了两种进化神经结构搜索算法。另外,本文构造了一个包含13个类别的Crime数据集,用于进一步验证算法的适用性。论文的主要贡献如下:针对目前基于粒子群优化算法的网络搜索方案耗时长、模型参数量大的问题,本文提出了基于改进粒子群优化的残差分类网络结构搜索算法。首先,设计了基于注意力机制的低复杂度残差结构块作为网络搜索的基础单元,用于实现寻找更轻量级的网络结构;然后,引入了一种深度初始化策略,将搜索空间控制在一个更合理的范围内,减少对非必要粒子的探索,从而提升搜索效率;最后,提出了一种新颖的粒子差异计算方法和基于随机项的速度更新机制,以增强对更新轨迹的探索,提升搜索空间的利用率。实验结果表明,所提算法在四个基准数据集和Crime数据集上均能设计出具有良好分类性能的轻量级网络。与其他基于粒子群算法的搜索方法相比,所提算法能够在保证分类精度的同时显著缩短结构搜索时间。针对目前基于进化计算的网络结构搜索方法存在模型参数量未被控制的问题,本章提出了基于自适应遗传的Dense Net分类网络结构搜索算法。该算法在提高图像分类性能的同时,也专注于设计更轻量化的网络模型。首先,设计密集块结构,形成高质量的初始化种群;接下来,提出了多目标的适应度评估函数。该函数同时考量个体分类性能和参数量,并对不符合参数要求的个体适应度值进行惩罚,以引导网络进化方向;然后,提出了自适应的交叉变异算子,根据个体的适应度值自适应地调整交叉变异概率,以减少优秀个体被破坏的可能性;最后,为防止遗传执行过程中容易出现的局部最优和早熟收敛的情况,通过融合精英选择机制、二元锦标赛选择法和少量重新初始化三种方式,形成了新的后代选择策略。实验结果表明,算法模型能够为特定任务数据,设计低复杂度的高性能网络。

关键词：卷积神经网络进化计算方法神经结构搜索图像分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：