卷积神经网络的快速可靠架构选择
计算机视觉与模式识别
2019-05-07 v1 机器学习
摘要
卷积神经网络（CNN）的性能取决于其超参数，例如层数、卷积核尺寸或学习率。特别是在较小的网络和计算资源有限的应用中，优化是关键。我们提出了一种快速高效的CNN架构选择方法。考虑到时间消耗、精度和鲁棒性，我们开发了一种启发式方法来快速可靠地评估网络性能。结合贝叶斯优化（BO）以有效覆盖庞大的参数空间，我们的贡献为这一机器学习技术提供了简洁而强大的架构搜索。
引用
@article{arxiv.1905.01924,
title = {Fast and Reliable Architecture Selection for Convolutional Neural Networks},
author = {Lukas Hahn and Lutz Roese-Koerner and Klaus Friedrichs and Anton Kummert},
journal= {arXiv preprint arXiv:1905.01924},
year = {2019}
}
备注
As published in the proceedings of the 27th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN), pages 179-184, Bruges 2019. 6 pages, 2 figures, 1 table