基于改进贝叶斯优化算法的CNN超参数优化方法

• 作者: 邓帅
• 来源期刊: 计算机应用研究
• 关键词: 贝叶斯优化 卷积神经网络 高斯过程 超参数优化
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1984-1987
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0021

摘要

CNN框架中,如何对其模型的超参数进行自动化获取一直是一个重要问题.提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法.该方法使用改进的汤普森采样方法作为采集函数,利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型.该方法可以在超参数空间不同的CNN框架下进行超参数优化.利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试,实验结果表明,改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓帅	北京工业大学北京未来网络科技高精尖创新中心	1	5	1.0	1.0