OptBA：利用蜜蜂算法优化超参数以改进医学文本分类
计算与语言
2024-07-02 v3 人工智能
摘要
深度学习领域的主要挑战之一是获得最优模型超参数。最优超参数的搜索通常阻碍着医疗等现实问题的求解进展。已有方案被提出，但仍可能陷入局部最优。为克服此障碍，我们提出 OptBA，借助近期有前景的群智能算法——蜜蜂算法，自动微调深度学习模型的超参数。本文中 OptBA 的优化问题为最大化利用医学文本分类疾病的准确率，初始超参数依特定准则迭代调整。实验结果显示准确率显著提升约 1.4%。该结果凸显了所提机制在解决超参数优化这一关键问题上的有效性，及其推进医疗解决方案的潜在影响。代码公开于 \url{https://github.com/Mai-CS/OptBA}。
引用
@article{arxiv.2303.08021,
title = {OptBA: Optimizing Hyperparameters with the Bees Algorithm for Improved Medical Text Classification},
author = {Mai A. Shaaban and Mariam Kashkash and Maryam Alghfeli and Adham Ibrahim},
journal= {arXiv preprint arXiv:2303.08021},
year = {2024}
}