PSO优化卷积神经网络模型参数(PSO优化CNN)

上传者: 40651515 | 上传时间: 2022-08-08 11:05:49 | 文件大小: 12KB | 文件类型: RAR
  深度神经网络(DNN)在各种任务中取得了前所未有的成功,但是,这些模型性能直接取决于它们的超参数的设置。在实践中,优化超参数仍是设计深度神经网络的一大障碍。在这项工作中,我们建议使用粒子群优化算法(PSO)来选择和优化模型参数。在MNIST数据集上的实验结果显示:通过PSO优化的CNN模型可以得到不错的分类精度,此外,PSO 还可以提高现有模型结构的性能,PSO是自动化超参数选择和有效利用计算资源的有效技术。 针 对CNN 算法的收敛速度较慢、过 拟合 等问题, 文章提出一种基于PSO和 CNN 模型的图像分类方法,在分析完CNN各超参数对其性能的影响后,引入 PSO 算法进行寻优以增强CNN网络模型的特征提取能力,模型将CNN算法中需要训练的参数作为粒子进行优化,将 更 新 的 参 数 用 于CNN 算 法 的 前 向 传播,调整网络连接权矩阵迭代,直到误差收敛,停止算法,以达到最终的模型优化。

文件下载

资源详情

[{"title":"( 12 个子文件 12KB ) PSO优化卷积神经网络模型参数(PSO优化CNN)","children":[{"title":"pso-cnn-keras实现","children":[{"title":"__pycache__","children":[{"title":"pso.cpython-36.pyc <span style='color:#111;'> 6.48KB </span>","children":null,"spread":false}],"spread":true},{"title":".idea","children":[{"title":"misc.xml <span style='color:#111;'> 188B </span>","children":null,"spread":false},{"title":"modules.xml <span style='color:#111;'> 287B </span>","children":null,"spread":false},{"title":"workspace.xml <span style='color:#111;'> 4.99KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 50B </span>","children":null,"spread":false},{"title":"pso-cnn-master.iml <span style='color:#111;'> 324B </span>","children":null,"spread":false},{"title":"inspectionProfiles","children":[{"title":"Project_Default.xml <span style='color:#111;'> 2.39KB </span>","children":null,"spread":false},{"title":"profiles_settings.xml <span style='color:#111;'> 174B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":".gitignore <span style='color:#111;'> 1.18KB </span>","children":null,"spread":false},{"title":"pso.py <span style='color:#111;'> 8.98KB </span>","children":null,"spread":false},{"title":"mnist_simpleNet.py <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false},{"title":"MNIST_CNN.py <span style='color:#111;'> 2.21KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明