基于粒子群算法的卷积神经网络优化研究

• 作者: 李剑
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 粒子群优化算法 图像识别
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 2452-2457
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.10.028

摘要

卷积神经网络(CNN)是现在深度学习研究当中解决分类问题的最有效方法之一.但CNN在解决某些特定问题的时候所设计出的模型架构会变得极其复杂,导致参数泛滥,训练效果不明显.论文主要介绍利用粒子群优化算法(PSO)对CNN架构的参数实现自动搜索,寻求最优解,达到整体模型的效果最优化.尽管CNN中待设置的参数数量非常大,但该方法可以为五个不同的图像数据集的Alexnet模型找到更好的参数设置.论文还提出了两种候选修剪算法,用于提高优化过程的效率.实验结果表明,论文所提出的优化方法比标准Alexnet模型方法在对Caffe原始参数集的图像识别能力上得到了1.3％～5.7％的精度提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李剑		1	0	0.0	0.0