基于多层感知器网络优化的遗传算法用于提升TinyFace识别
机器学习
2025-06-13 v1 人工智能
摘要
本研究通过严格的方法论实验过程，对针对TinyFace、Heart Disease和Iris三个多样化数据集的多层感知器（MLP）网络进行经验性检验。研究概述：本研究包括三个关键方法：a) 使用多层感知器（MLP）默认设置进行基线训练，b) 使用基于遗传算法（GA）的特征选择进行精炼，c) 使用主成分分析（PCA）进行维度压缩。结果显示，这些技术如何影响性能。虽然PCA在低维和噪声较小的数据集中显示出益处，但GA在复杂数据集中持续提高准确率，通过准确识别关键特征。比较结果表明，特征选择和降维在增强MLP性能方面发挥着相互依赖的作用。该研究为机器学习领域的特征工程和神经网络参数优化贡献了文献，为广泛的机器学习任务提供实用指南。
关键词
引用
@article{arxiv.2506.10184,
title = {Optimizing Genetic Algorithms with Multilayer Perceptron Networks for Enhancing TinyFace Recognition},
author = {Mohammad Subhi Al-Batah and Mowafaq Salem Alzboon and Muhyeeddin Alqaraleh},
journal= {arXiv preprint arXiv:2506.10184},
year = {2025}
}