卷积神经网络（CNN）自身结构的超参数对于分类问题中的准确率与效率有较大的影响，针对现有超参数优化方法多依赖传统组合，优化结果不彻底，导致模型分类效果不佳的状况，提出一种基于混合优化算法的CNN超参数优化方法。该方法根据CNN架构的结构特点选取超参数，然后采用粒子群优化算法（PSO）-梯度下降（GD）混合算法进行优化。在测试数据集上的实验结果表明：该方法在分类问题上具有较好的性能，提升了超参数的优化效率，避免了传统PSO算法易陷入局部最优的缺点。
科研之友
微信
新浪微博
Facebook
分享链接
