首页|基于改进遗传算法的自适应卷积神经网络

基于改进遗传算法的自适应卷积神经网络

扫码查看
原文链接
  • 万方数据
  • 维普
传统卷积神经网络模型的构建具有过度依赖经验知识、不可预知性、训练难度大等缺点,导致对网络结构和参数的设置需要耗费大量的时间进行调优测试.针对上述问题,提出基于改进遗传算法的自适应卷积神经网络算法.改进遗传算法通过对卷积神经网络进行编码处理,将分类误差和结构复杂度作为适应度函数,针对选择、交叉和变异策略进行改进,在保证遗传算法种群多样性的同时提高收敛速度,避免算法陷入局部最优解.利用改进遗传算法全局寻优的特性,对神经网络体系结构和重要参数进行优化,实现卷积神经网络的自适应构建,以提高神经网络分类准确率.在MNIST、Fashion-MNIST和CIFAR-10数据集上的实验表明,该算法优化后的卷积神经网络在分类精度、参数设置等方面均取得了良好的效果,与其他神经网络相比,改进的遗传算法具有成功优化卷积神经网络的潜力,对不同分类任务的研究具有重要意义.
Adaptive Convolutional Neural Network Based on Modified Genetic Algorithm

高新成、李强、王莉利、杜功鑫、柯璇

展开 >

东北石油大学 现代教育技术中心,黑龙江 大庆163318

东北石油大学 计算机与信息技术学院,黑龙江 大庆163318

东北石油大学 地球科学学院,黑龙江 大庆163318

卷积神经网络 改进遗传算法 自适应 结构优化 参数优化

国家自然科学基金东北石油大学引导性创新基金

418041332020YDL-03

2022

10.3969/j.issn.1673-629X.2022.10.022

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(10)
  • 2
  • 3