论文部分内容阅读
卷积神经网络(CNN)是现在深度学习研究当中解决分类问题的最有效方法之一。但CNN在解决某些特定问题的时候所设计出的模型架构会变得极其复杂,导致参数泛滥,训练效果不明显。论文主要介绍利用粒子群优化算法(PSO)对CNN架构的参数实现自动搜索,寻求最优解,达到整体模型的效果最优化。尽管CNN中待设置的参数数量非常大,但该方法可以为五个不同的图像数据集的Alexnet模型找到更好的参数设置。论文还提出了两种候选修剪算法,用于提高优化过程的效率。实验结果表明,论文所提出的优化方法比标准Alexnet模型方