一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法

来源：计算机应用研究杂志2023年第7期北京时间：

作者：王上,唐欢容,

单位：湘潭大学a.计算机学院·网络空间安全学院;b.智能计算与信息处理教育部重点实验室,湖南湘潭411105；

摘要：神经架构搜索（neural architecture search，NAS）技术自动寻找神经网络中各层的最佳组合和连接方式，以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络（CNN），使用混合粒子群优化（hybrid particle swarm optimization，HPSO）算法，将一定数目的神经网络个体视做一个群体，将每个网络个体在评价指标下的表现值视做适应度，在给定的世代数范围内，每个神经网络个体都学习自身的历史最佳适应度个体，和整个群体的最佳适应度个体，迭代改善自身的网络架构。实验结果表明，算法运行中出现的最优网络架构，在图像分类任务的多个基准数据集上，与手工设计的神经网络和以遗传算法为基础的NAS算法相比，在网络参数数量和准确率的平衡上取得了有竞争力的结果。

关键词：混合粒子群算法,神经架构搜索,卷积神经网络,图像分类,

基金资助：国家重点研发计划课题(2018AAA0102301,2020YFC0832401)；；