基于粒子群的卷积神经网络细粒度搜索方法

作     者：程吉祥 肖舒 王圳鹏 李志丹 CHENG Ji-xiang;XIAO Shu;WANG Zhen-peng;LI Zhi-dan

作者机构：西南石油大学电气信息学院四川成都610500 

基　　金：国家自然科学基金资助项目(61603319,61601385) 西南石油大学智能控制与图像处理青年科技创新培育团队资助项目(2017CXTD010) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第11期

页      码：300-305,489页

摘      要：针对图像分类任务设计高效紧致的卷积神经网络(Convolutional Neural Networks,CNN)是极具挑战性的问题,其设计过程极大依赖专家的经验和不断的试错。综合考虑CNN中卷积层、池化层、全连接层和激活函数等要素,提出了一种可变规模的CNN细粒度搜索方法。方法设计了一种细粒度搜索空间,增加搜索参数的类别;提出粒子群可变长编码映射方法,解决候选网络编码冗余性问题;通过创建代理数据集评估方式,降低CNN评估时间;提出进化CNN方法,实现高效的训练网络模型。在7个图像分类任务中,实验结果表明,所提方法获得模型与大量经验设计模型和其它搜索方法获得模型相比分类准确率和模型大小有较强的优势和竞争力。

主 题 词：图像分类 卷积神经网络 可变长编码映射 代理数据集 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-9348.2023.11.057

馆 藏 号：203125216...