文献类型：期刊文章

作　　者：王上[1,2] 唐欢容[1,2]

Wang Shang;Tang Huanrong(School of Computer Science&School of Cyberspace Security,Xiangtan University,Xiangtan Hunan 411105,China;Key Laboratory of Intelligent Computing&Information Processing,Ministry of Education,Xiangtan University,Xiangtan Hunan 411105,China)

机构地区：[1]湘潭大学计算机学院·网络空间安全学院,湖南湘潭411105 [2]湘潭大学智能计算与信息处理教育部重点实验室,湖南湘潭411105

出　　处：《计算机应用研究》

基　　金：国家重点研发计划课题(2018AAA0102301,2020YFC0832401)。

年　　份：2023

卷　　号：40

期　　号：7

起止页码：2019-2024

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：神经架构搜索(neural architecture search,NAS)技术自动寻找神经网络中各层的最佳组合和连接方式,以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络(CNN),使用混合粒子群优化(hybrid particle swarm optimization,HPSO)算法,将一定数目的神经网络个体视做一个群体,将每个网络个体在评价指标下的表现值视做适应度,在给定的世代数范围内,每个神经网络个体都学习自身的历史最佳适应度个体,和整个群体的最佳适应度个体,迭代改善自身的网络架构。实验结果表明,算法运行中出现的最优网络架构,在图像分类任务的多个基准数据集上,与手工设计的神经网络和以遗传算法为基础的NAS算法相比,在网络参数数量和准确率的平衡上取得了有竞争力的结果。

关 键 词：混合粒子群算法 神经架构搜索  卷积神经网络 图像分类

分 类 号：TP183]