结合遗传算法的优化卷积神经网络学习方法

摘要：

经典卷积神经网络学习方法采用最陡下降算法进行学习,学习性能受卷积层和全连接层的初始权重设置的影响较大.采用遗传算法生成多组初始权重,经过选择、交叉和变异操作得到最优权重;采用这些权重作为卷积神经网络的初始权重,其学习性能优于最陡下降算法随机选择的初始权重;采用遗传算法生成的多组权重训练多个卷积神经网络分类器,由其构建联合分类器进行分类,可进一步提高分类正确率.实验结果表明,与经典卷积神经网络方法以及常用的支持向量机、随机森林、后向传播神经网络和极速学习机相比,该方法的分类正确率更高.

关键词：卷积神经网络、机器学习、目标分类、遗传算法、最陡下降算法

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目034031122

在线出版日期：2017-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1945-1950