计算机应用研究

作者：邓帅,

单位：北京工业大学a.北京未来网络科技高精尖创新中心;b.北京市物联网软件与系统工程技术研究中心,北京100124；

关键词：贝叶斯优化,卷积神经网络,高斯过程,超参数优化,

基金：北京市自然科学基金资助项目(4122010)；国家自然科学基金资助项目(60773186)；；

CNN框架中，如何对其模型的超参数进行自动化获取一直是一个重要问题。提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法。该方法使用改进的汤普森采样方法作为采集函数，利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型。该方法可以在超参数空间不同的CNN框架下进行超参数优化。利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试，实验结果表明，改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能。

来源：2019年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第7期