用于物体识别的深度卷积网络超参数优化
计算机视觉与模式识别
2015-05-19 v2 机器学习
摘要
近年来，基于序列模型的优化 (SMBO) 已成为机器学习中一种颇具前景的超参数优化策略。在本工作中，我们研究 SMBO 以识别用于物体识别的深度卷积网络 (DCNs) 的架构超参数。我们提出了一种简单的 SMBO 策略，该策略从一组随机的初始 DCN 架构开始生成新架构，这些新架构经训练后在给定数据集上表现良好。利用所提出的 SMBO 策略，我们能够识别出多种 DCN 架构，其在物体识别基准测试中产生的结果与最先进 (state-of-the-art) 的结果相当。
引用
@article{arxiv.1501.07645,
title = {Hyper-parameter optimization of Deep Convolutional Networks for object recognition},
author = {Sachin S. Talathi},
journal= {arXiv preprint arXiv:1501.07645},
year = {2015}
}
备注
4 pages, 1 figure, 3 tables, Submitted to ICIP 2015