原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812024⁃10⁃10
计算机应用,2024,44(10):3021-3031CODENJYIIDUhttp：//www.joca.cn
文章编号：1001-9081（2024）10-3021-11DOI：10.11772/j.issn.1001-9081.2023091313
面向深度分类模型超参数自优化的代理模型
1*12111
张睿，潘俊铭，白晓露，胡静，张荣国，张鹏云
（1.太原科技大学计算机科学与技术学院，太原030024；2.北京工业大学信息学部，北京100124）
（∗通信作者电子邮箱zhangrui@tyust.edu.cn）
摘要：为进一步提高深度分类模型超参数多目标自适应寻优效率，提出一种筛选式增强Dropout代理（FEDA）模
型。首先，构建点对互信息约束增强的双通道Dropout神经网络，增强对高维超参数深度分类模型的拟合，并结合聚
集选解策略加速候选解集的选取；其次，设计一种结合模型管理策略的算法FEDA-ARMOEA（FEDAmodel-Anovel
preference-baseddominanceRelationforMulti-ObjectiveEvolutionaryAlgorithm）均衡种群个体的收敛性和多样性，协助
FEDA提高深度分类模型训练及超参数自优化效率。将FEDA-ARMOEA与EDN-ARMOEA（EfficientDropoutneural
Network-assistedAR-MOEA）、HeE-MOEA（HeterogeneousEnsemble-basedinfillcriterionforMulti-ObjectiveEvolutionary
Algorithm）等算法进行对比实验，实验结果表明，FEDA-ARMOEA在56组测试问题中的41组上表现较好。在工业应
用焊缝数据集MTF和公共数据集CIFAR-10上实验，FEDA-ARMOEA优化的分类模型的精度分别达到96.16%和
93.79%，训练时间相较于对比算法分别降低6.94%~47.04%和4.44%~39.07%，均优于对比算法，验证了所提算法的
有效性和泛化性。
关键词：深度卷积神经网络；分类模型；超参数优化；代理模型；模型优化
中图分类号：TP183文献标志码：A
Agentmodelforhyperparameterself-optimizationofdeepclassificationmodel
1*12111
ZHANGRui，PANJunming，BAIXiaolu，HUJing，ZHANGRongguo，ZHANGPengyun
（1.SchoolofComputerScienceandTechnology，
文档评论（0）