改进SHO优化神经网络模型

来源：吉林大学学报·理学版杂志2025年第3期北京时间：

作者：李健, 王海瑞, 王增辉, 付海涛, 于维霖

单位：1. 吉林农业大学 信息技术学院, 长春 130118；2. 吉林省生物信息学研究中心, 长春 130118; 3. 长春人文学院 理工学院, 长春 130117

摘要：针对Googlenet模型识别准确率低、 敏感性不佳等问题, 提出一个应用改进的海马优化(SASHO)算法超参数优化Googlenet模型. 首先, 利用Sobel序列和自适应权重算法对海马优化算法进行改进; 其次, 对比4个基础神经网络选出最适合本文数据集的Googlenet作为基础识别模型； 最后, 利用改进后的SASHO算法对Googlenet模型参数进行优化, 构建新模型SASHO-Googlenet. 为验证ASHO-Googlenet模型的有效性, 将SASHO-Googlenet模型与经过其他4个群智能算法优化的模型针对7个指标进行比较. 结果表明, SASHO-Googlenet模型准确率达95.36%, 敏感性达95.35%, 特异性达95.39%, 精度达96.47%, 召回率达95.35%, f_measure达95.90%, g_mean达95.37%. 实验结果表明, SASHO-Googlenet模型综合性能最佳.

关键词：人工智能,深度学习,海马优化算法,参数优化