基于粒子群优化的柔性卷积自编码器用于图像分类
神经与进化计算
2018-11-13 v2
摘要
在过去的几年中，卷积自编码器在堆叠为深度卷积神经网络以分类图像数据方面已展现出卓越性能。然而，由于其固有架构，它们无法构建最先进的卷积神经网络。为此，我们通过消除传统卷积自编码器对卷积层数和池化层数的约束，提出了一种柔性卷积自编码器。我们还设计了一种基于粒子群优化的架构发现方法，能够以少得多的计算资源且在无任何人工干预的情况下自动搜索所提柔性卷积自编码器的最优架构。我们利用所设计的架构优化算法，通过一块图形处理器卡在四个广泛使用的数据集上测试了所提柔性卷积自编码器。实验结果表明，本文工作显著优于包括最先进算法在内的同类竞争者。
引用
@article{arxiv.1712.05042,
title = {A Particle Swarm Optimization-based Flexible Convolutional Auto-Encoder for Image Classification},
author = {Yanan Sun and Bing Xue and Mengjie Zhang and Gary G. Yen},
journal= {arXiv preprint arXiv:1712.05042},
year = {2018}
}
备注
Accepted by IEEE Transactions on Neural Networks and Learning Systems, 2018