基于Taguchi方法的神经网络架构优化：应用于弹性短纤维复合材料
计算工程、金融与科学
2024-07-30 v1
摘要
本研究提出了一种创新的Taguchi设计实验方法用于优化人工神经网络(ANN)模型的结构，以预测短纤维增强复合材料的弹性性能。主要目标是在所需的计算资源有限的情况下最小化超参数优化的计算 effort，同时提高预测准确性。利用稳健的实验设计框架，对ANN模型的结构进行了优化。这本质上是识别一种超参数组合组合，能够以最少的算法运行次数实现最佳预测准确性，从而显著减少所需的计算 effort。我们的发现表明，Taguchi方法不仅简化了超参数调优过程，而且还能显著提高算法的性能。这些结果凸显了Taguchi方法作为受限计算资源下优化机器学习算法的强大工具的潜力。本研究的意义广泛，为在提高准确性和计算效率方面优化不同算法提供了见解。
关键词
引用
@article{arxiv.2407.19802,
title = {A novel Taguchi-based approach for optimizing neural network architectures: application to elastic short fiber composites},
author = {Mohammad Hossein Nikzad and Mohammad Heidari-Rarani and Mohsen Mirkhalaf},
journal= {arXiv preprint arXiv:2407.19802},
year = {2024}
}