基于进化膜算法的自动深度尖端神经网络设计
1School of Intelligent Science and Information Engineering, Shenyang University, Shenyang 110044, China.
Biomimetics (Basel, Switzerland)
|August 27, 2025
概括
这项研究引入了一种进化膜算法,用于自动化深度尖端神经网络 (DSNN) 架构设计. 这种新方法有效地优化了DSNN模型,提高了准确性并减少了资源消耗.
科学领域:
- 人工智能
- 计算神经科学
- 机器学习
背景情况:
- 设计深度尖端神经网络 (DSNN) 架构复杂且资源密集,严重依赖专家知识和代手动调整.
- 目前的DSNN架构优化方法由于基于性能的重复修改而消耗大量的人力和硬件资源.
- 为了推进研究和工程应用,需要自动化和高效的DSNN设计策略.
研究的目的:
- 提出和评估一种创新的进化膜算法,用于优化深度尖端神经网络 (DSNN) 架构.
- 通过将网络架构转化为算法搜索空间,减少对手工调整和专家经验的依赖.
- 在性能评估期间通过早期停止策略提高DSNN架构优化的效率.
主要方法:
- 开发了一种进化膜算法,用于自动化DSNN架构的构建和设计.
- DSNN架构被映射到进化膜算法的搜索空间中,探索超参数和候选操作块.
- 在绩效评估阶段整合了早期停止策略,以尽量减少时间损失.
主要成果:
- 拟议的算法有效地探索了超参数和候选操作块对DSNN优化的影响.
- 在CIFAR-10和CIFAR-100数据集上确定和评估了最佳的DSNN模型.
- 与现有最先进的方法相比,观察到的准确性有了显著的改善.
结论:
- 进化膜算法为简化DSNN架构设计和优化提供了一种新且高效的方法.
- 这种自动化方法显著减少了资源消耗,并提高了DSNN应用的准确性.
- 这项研究展示了进化算法的潜力,以解决深度尖端神经网络的自动化参数优化方面的挑战.
