基于改进贝叶斯优化算法的CNN超参数优化方法-计算机应用研究.PDFVIP

———————————————————————————————————————————————— 基于改进贝叶斯优化算法的CNN 超参数优化方法 作者 邓帅 机构 北京工业大学 北京未来网络科技高精尖创新中心；北京工业大学 北京市物联网软件与系统 工程技术研究中心 DOI 10.3969/j.issn.1001-3695.2018.01.0021 基金项目 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 预排期卷 《计算机应用研究》2019 年第36 卷第7 期 摘要 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洛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