深度神經(jīng)網(wǎng)絡(luò)對于圖像分類問題具有較好的準(zhǔn)確性,但深度卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)繁多且難以確定,針對這種情況,提出基于增強(qiáng)引力搜索算法和卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法。為引力搜索算法引入對數(shù)引力常量衰減函數(shù)、交叉算子和變異算子,增強(qiáng)引力搜索的全局搜索能力。設(shè)計(jì)直接的深度神經(jīng)網(wǎng)絡(luò)編碼形式,有利于加快引力搜索的計(jì)算速度,給出agent各個(gè)屬性的更新方法。實(shí)驗(yàn)結(jié)果表明,該方法在保持較高圖像分類準(zhǔn)確率的情況下,成功加快了深度神經(jīng)網(wǎng)絡(luò)參數(shù)的學(xué)習(xí)速度。 

【文章來源】：計(jì)算機(jī)工程與設(shè)計(jì). 2020,41(12)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 問題模型和相關(guān)知識
    1.1 卷積神經(jīng)網(wǎng)絡(luò)
    1.2 引力搜索算法
    1.3 增強(qiáng)的GSA算法
        (1)加速收斂過程
        (2)交叉算子設(shè)計(jì)
        (3)變異算子設(shè)計(jì)
2 本文算法設(shè)計(jì)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)表示
    2.2 種群初始化
    2.3 適應(yīng)度評估函數(shù)
    2.4 計(jì)算agent之間的差異
    2.5 計(jì)算agent的速度
    2.6 更新agent的網(wǎng)絡(luò)結(jié)構(gòu)
3 仿真實(shí)驗(yàn)和結(jié)果分析
    3.1 實(shí)驗(yàn)方法和對比方法
    3.2 實(shí)驗(yàn)數(shù)據(jù)集
    3.3 實(shí)驗(yàn)的參數(shù)設(shè)置
    3.4 實(shí)驗(yàn)結(jié)果和分析
    3.5 GSA的優(yōu)化結(jié)果
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]Sensors deployment optimization in multi-dimensional space based on improved particle swarm optimization algorithm[J]. TANG Mingnan,CHEN Shijun,ZHENG Xuehe,WANG Tianshu,CAO Hui.  Journal of Systems Engineering and Electronics. 2018(05)
[2]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[3]深度學(xué)習(xí)方法在軟件分析中的應(yīng)用[J]. 張獻(xiàn),賁可榮.  計(jì)算機(jī)工程與科學(xué). 2017(12)



本文編號：3184707