进化神经网络及其改进研究

发布时间：2021-05-23 14:57

　　近年来,人工智能技术在计算机视觉、自然语言处理、图像分类与识别和智能机器人等各个领域中得到了广泛应用,神经网络与进化算法作为人工智能技术的两个重要分支,已在生活各个应用领域发挥着重要作用。神经网络具有大规模并行处理能力与强大的学习能力,因此可以处理复杂模型的实际工程问题,然而却存在模型结构与参数需要人工调整耗费人力物力的现状。伴随着网络深度的增加,网络性能的提高,使得需要人工设置的参数与网络结构越来越复杂,意味着研究自动设计网络结构与调整参数的方法变得更为重要。进化算法作为一种全局优化的智能算法具有并行化处理和高效的特点,因此研究者将神经网络与进化算法结合提出进化神经网络算法。本文针对进化神经网络算法的细节进行分析与优化,并将其运用到图像分类的具体应用中,本文的主要研究工作如下:第一,介绍了进化神经网络算法及其相关知识与理论,整理总结了进化神经网络国内外的研究现状及目前的主要研究方向,并对增强拓扑的进化神经网络与基于深度学习的进化神经网络两种进化神经网络进行详细介绍。第二,本文针对深度进化神经网络做出了细节性改进,提出了一种用于图像分类的进化卷积神经网络ECNN算法,该算法引入ResN... 

【文章来源】：西北师范大学甘肃省

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
第2章 相关理论研究
    2.1 全连接神经网络
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
        2.2.4 批归一化层
        2.2.5 激活函数
    2.3 进化算法
        2.3.1 遗传算法
        2.3.2 进化策略
    2.4 进化神经网络
        2.4.1 NEAT算法
        2.4.2 基于深度学习的进化神经网络算法
第3章 图像分类卷积神经网络的进化设计
    3.1 引言
    3.2 图像分类卷积神经网络的进化设计
        3.2.1 ResNet模块
        3.2.2 算法设计
    3.3 实验分析
        3.3.1 实验设置
        3.3.2 实验结构与分析
    3.4 本章小结
第4章 基于DenseNet进化卷积神经网络的图像分类算法
    4.1 引言
    4.2 基于DenseNet进化卷积神经网络的图像分类算法
        4.2.1 DenseNet模块
        4.2.2 算法设计
    4.3 实验分析
        4.3.1 实验设置
        4.3.2 实验结构与分析
    4.4 本章小结
第5章 总结展望
    5.1 总结
    5.2 展望
参考文献
致谢
个人简历、攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]基于改进深度残差网络的计算断层扫描图像分类算法[J]. 黄盛,李菲菲,陈虬.  光学学报. 2020(03)
[2]基于CNNs的两次训练融合的分类方法[J]. 佟国香,田飞翔.  电子科技大学学报. 2019(05)
[3]基于改进深度卷积神经网络的纸币识别研究[J]. 盖杉,鲍中运.  电子与信息学报. 2019(08)
[4]基于离散余弦变换和深度网络的地貌图像分类[J]. 刘芳,路丽霞,黄光伟,王洪娟,王鑫.  光学学报. 2018(06)
[5]深度神经网络并行化研究综述[J]. 朱虎明,李佩,焦李成,杨淑媛,侯彪.  计算机学报. 2018(08)
[6]结合批归一化的直通卷积神经网络图像分类算法[J]. 朱威,屈景怡,吴仁彪.  计算机辅助设计与图形学学报. 2017(09)



本文编号：3202736