龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：天津大学
申请日：2023-07-14
公开（公告）日：2024-06-07
公开（公告）号：CN118153633A
主分类号：G06N3/0464
分类号：G06N3/0464;G06N3/08;G06N3/006
优先权：
专利状态码：在审-公开
法律状态：2024.06.07#公开
摘要：一种基于一种改进的CNN架构优化设计方法：将卷积神经网络框架设计问题建模为一个有约束的组合优化问题，设计满足目标参数量要求的网络框架。提出了一种可变长编码策略，将卷积层个数、卷积层的输出输出通道数等超参数进行编码来表示卷积神经网络框架，然后采用改进的粒子群算法以CIFAR10和CIFAR100的测试数据集上的分类精度为适应度评估值对最优网络框架进行搜索，得到最优的卷积神经网络框架。本发明提出的基于改进的粒子群算法自动设计卷积神经网络框架的方法具有全自动、效率高等特点，对于经验不足的科研初学者也是非常友好的。
主权项：1.一种改进的CNN架构优化设计方法，包括如下步骤：1将基于残差连接的卷积神经网络框架自动设计方法建模为一个有约束的组合优化问题，约束为残差块的个数和每层卷积层输入输出维度；2设计一种新的可变长编码策略ResnetBlockEncoded，RBE将粒子映射为相应的网络架构，得到卷积神经网络框架的数学表示；3采用改进的PSO算法对卷积神经网络框架进行设计，以在CIFAR10和CIFAR100的测试数据集上的图像分类精度为适应度评估值，以不断提高分类精度为优化目标，通过改进的PSO算法不断迭代优化，得到性能最优的卷积神经网络框架；4将最优的卷积神经网络框架再次充分训练。
全文数据：
权利要求：
百度查询： 天津大学 一种改进的CNN架构优化设计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号