ImmuNetNAS：一种基于免疫网络搜索卷积神经网络架构的方法
神经与进化计算
2020-03-02 v1 机器学习
摘要
在本研究中，我们提出 ImmuNetNAS，一种受免疫网络理论启发的新型神经架构搜索（NAS）方法。ImmuNetNAS 的核心建立在原始免疫网络算法之上，该算法通过超变异与选择迭代更新种群，并通过比较抗体亲和度与种间相似度剔除不符合要求的自生成个体。此外，为便于变异操作，我们提出一种基于双组件的神经结构编码策略。进而，依据该编码方法提出了一种基于标准遗传算法（SGA）的改进变异策略。最后，基于所提双组件编码方法，开发了一种新的抗体亲和度计算方法以筛选合适的神经架构。系统评估表明，我们的系统在 MNIST 与 CIFAR-10 数据集上均取得了良好性能。我们将代码开源至 GitHub，以便与其他深度学习研究者和从业者分享。
引用
@article{arxiv.2002.12704,
title = {ImmuNetNAS: An Immune-network approach for searching Convolutional Neural Network Architectures},
author = {Kefan Chen and Wei Pang},
journal= {arXiv preprint arXiv:2002.12704},
year = {2020}
}
备注
7 pages, 7 figures, 5 tables. No conference right now