基于增强引力搜索和神经网络的图像分类

发布时间：2021-05-13 21:08

　　深度神经网络对于图像分类问题具有较好的准确性,但深度卷积神经网络的参数繁多且难以确定,针对这种情况,提出基于增强引力搜索算法和卷积神经网络的图像分类算法。为引力搜索算法引入对数引力常量衰减函数、交叉算子和变异算子,增强引力搜索的全局搜索能力。设计直接的深度神经网络编码形式,有利于加快引力搜索的计算速度,给出agent各个属性的更新方法。实验结果表明,该方法在保持较高图像分类准确率的情况下,成功加快了深度神经网络参数的学习速度。 

【文章来源】：计算机工程与设计. 2020,41(12)北大核心

【文章页数】：8 页

【文章目录】：
0 引言
1 问题模型和相关知识
    1.1 卷积神经网络
    1.2 引力搜索算法
    1.3 增强的GSA算法
        (1)加速收敛过程
        (2)交叉算子设计
        (3)变异算子设计
2 本文算法设计
    2.1 卷积神经网络表示
    2.2 种群初始化
    2.3 适应度评估函数
    2.4 计算agent之间的差异
    2.5 计算agent的速度
    2.6 更新agent的网络结构
3 仿真实验和结果分析
    3.1 实验方法和对比方法
    3.2 实验数据集
    3.3 实验的参数设置
    3.4 实验结果和分析
    3.5 GSA的优化结果
4 结束语


【参考文献】：
期刊论文
[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]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[3]深度学习方法在软件分析中的应用[J]. 张献,贲可荣.  计算机工程与科学. 2017(12)



本文编号：3184707