演化深度卷积神经网络用于图像分类

Oct, 2017

演化深度卷积神经网络用于图像分类

Evolving Deep Convolutional Neural Networks for Image Classification

Yanan Sun, Bing Xue, Mengjie Zhang, Gary G. Yen

TL;DR本文提出了一种利用遗传算法优化深度卷积神经网络结构和连接权重初始化的图像分类算法，该算法利用一个高效的可变长度基因编码策略和新的表示方案初始化深度卷积神经网络的连接权重，并提出了一种新的适应度评估方法，实现了在少量计算资源下的快速启发式搜索，与其他 22 个现有算法相比在九个广泛应用于图像分类的任务中表现明显优越。

Abstract

evolutionary computation methods have been successfully applied to neural networks since two decades ago, while those methods cannot scale well to the modern deep neural networks due to the complicated architectures and large quantities of connection weights. In this paper, we propose

evolutionary computation genetic algorithms convolutional neural network image classification optimization

发现论文，激发创造

基于遗传编程的进化深度学习用于数据高效图像分类

本文提出了一种基于遗传编程的演化深度学习方法，可以自动演化可变长度模型，同时构建有效和多样化的 ensemble 用于图像分类，具有优越的性能和解释性。

Sep, 2022

基因卷积神经网络

本文讨论深度卷积神经网络的自动学习，使用遗传算法提高识别准确性，并在两个小型数据集上证明其有效性，并将结构传输到大型数据集上。

Mar, 2017

图像分类器的大规模进化

采用进化算法发现神经网络的架构，提出新型变异算子探索搜索空间以实现自动化，成功在 CIFAR-10 和 CIFAR-100 数据集上达到 94.6% 和 77.0% 的准确率，且无需人为干预。

Mar, 2017

Evolving CNN 拓扑结构的两个新性能改进

本文介绍了两种新方法，通过直接在训练时间上实现正则化和使用部分训练来尽早评估个体架构，有效地减少了复杂性和训练时间，从而生产出有效地 CNN 拓扑结构，提高图像识别准确率，开销减少达 20%。这两种方法均经 CIFAR10 基准数据集验证以及保持准确度。

Feb, 2021

一种用遗传编程设计卷积神经网络体系结构的方法

本文介绍了一种使用 Cartesian 遗传编程自动构建卷积神经网络结构的方法，并通过将其应用于 CIFAR-10 数据集的图像分类任务验证了该方法的有效性。

Apr, 2017

基于长度约束的卷积神经网络架构设计演化

通过限制模型长度等策略，利用搜索长度策略和基因算法进行搜索架构，从而在计算资源消耗极低的情况下取得 Cifar-10 数据集上 5.12% 的错误率。

May, 2023

图像分类器结构搜索的正则化进化

这篇文章介绍了使用进化算法自动生成图像分类器的技术，并提出了一种改进的锦标赛选择进化算法，在同样的计算资源下超过了人类手工设计的图像分类器，并在 ImageNet 数据集上取得了优异成果。

Feb, 2018

基于多目标粒子群优化的深度神经网络演化用于图像分类

本论文提出了一种新的多目标优化方法，用于在实际应用中演进最先进的卷积神经网络，以自动演进 Pareto 前沿的非支配解，并使用多个 GPU 和机器并行运行并发实验，实验结果表明所提出的算法可以找到清晰的 Pareto 前沿。

Mar, 2019

深度神经进化：遗传算法是训练深度神经网络进行强化学习的竞争性替代方案

我们证明了遗传算法可以在深度人工神经网络上实现良好的性能表现，即使没有梯度信息支持，我们使用深度遗传算法结合新颖搜索技巧在具有挑战性的深度强化学习问题上获得了成功，并且速度比其他算法更快，能够实现高效编码。

Dec, 2017

利用遗传算法自动设计卷积神经网络架构进行图像分类

本文提出一种使用遗传算法进行卷积神经网络 (CNNs) 自动架构设计的方法，无需领域知识，可有效解决图像分类任务，实验证明该方法在分类准确性、参数数量和计算资源消耗方面优于现有的自动 CNN 架构设计算法。

Aug, 2018