基于多策略MRFO算法的卷积神经网络超参数优化

刘永利¹,朱亚孟¹,晁浩²

1. 河南理工大学
2. 河南理工大学计算机科学与技术学院

收稿日期:2021-04-19修回日期:2021-07-06出版日期:2021-12-28发布日期:2021-11-16
通讯作者:朱亚孟E-mail:919485656@qq.com

基金资助:大数据环境下双边感知的主动服务聚合理论与方法研究

Hyper parameter optimization of convolutional neural network based on multi-strategy MRFO algorithm

Yong-Li LIUYa-Meng ZHU²,

Received:2021-04-19Revised:2021-07-06Online:2021-12-28Published:2021-11-16
Contact:Ya-Meng ZHU E-mail:919485656@qq.com

Supported by:Research on the Theory and Method of Bilaterally Aware Active Service Aggregation in Big Data Environment

摘要/Abstract

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过程耗时耗力。为了提高超参数选择的效率，提出了一种基于多策略蝠鲼觅食优化算法。该算法一方面采用半数均匀初始化策略，用以提升种群多样性，另一方面融合新权重因子更新策略和分裂策略，可分别提升收敛速度和拟合精度。根据实数编码策略将该算法用于卷积神经网络超参数优化研究中，可根据三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，与主流的卷积神经网络超参数优化算法在MNIST和CIFAR-10数据集上进行了对比实验，实验结果表明所提出的算法可消耗较少的资源，并获得更高的准确率。
中图分类号:
TP301.6
TP389.1

引用本文

刘永利 朱亚孟 晁浩. 基于多策略MRFO算法的卷积神经网络超参数优化[J]. 北京邮电大学学报, 2021, 44(06): 86-92.
Yong-Li LIU Ya-Meng ZHU. Hyper parameter optimization of convolutional neural network based on multi-strategy MRFO algorithm[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(06): 86-92.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4908