北京邮电大学学报 ›› 2021, Vol. 44 ›› Issue (6): 83-88,95.doi: 10.13190/j.jbupt.2021-068
多策略MRFO算法的卷积神经网络超参数优化
刘永利, 朱亚孟, 晁浩
- 河南理工大学 计算机科学与技术学院, 焦作 454000
Hyperparameter Optimization of Convolutional Neural Network Based on Multi-Strategy MRFO Algorithm
LIU Yong-li, ZHU Ya-meng, CHAO Hao
- College of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, China
摘要: 卷积神经网络的性能与超参数配置密切相关,然而最优超参数的选择耗时耗力. 为了提高超参数选择的效率,提出了一种基于多策略的蝠鲼觅食优化算法,一方面采用半数均匀初始化策略提升种群的多样性;另一方面,融合新权重因子更新策略和分裂策略,提升收敛速度和拟合精度. 根据实数编码策略将所提算法用于卷积神经网络的超参数优化研究中,用3种觅食方式进行迭代,以得到最优的超参数配置. 为了评估超参数优化的有效性,与卷积神经网络超参数优化算法在手写数字和CIFAR-10数据集上进行了对比实验,实验结果表明,所提算法可消耗较少的资源,并获得更高的准确率.
中图分类号: