深度神经网络的交配仪式：通过有性进化合成学习紧凑特征表示
神经与进化计算
2017-09-08 v1 计算机视觉与模式识别
摘要
进化深度智能最近被提出作为一种在连续世代中获得高效深度神经网络架构的方法。受自然启发，我们提出引入有性进化合成。与当前网络的无性合成不同，我们旨在通过结合两个父网络，在后续世代中合成更具多样性和泛化性的子代网络，从而产生更紧凑的特征表示。使用 MNIST 和 CIFAR-10 数据集获得了实验结果，显示出相对于基线无性进化神经网络，架构效率提升且测试精度相当。具体而言，通过有性进化合成为 MNIST 合成的网络，其架构效率（集群效率 34.29X，突触效率 258.37X）约为通过无性进化合成网络的二倍，两个网络均达到了约 97% 的测试精度。
引用
@article{arxiv.1709.02043,
title = {The Mating Rituals of Deep Neural Networks: Learning Compact Feature Representations through Sexual Evolutionary Synthesis},
author = {Audrey Chung and Mohammad Javad Shafiee and Paul Fieguth and Alexander Wong},
journal= {arXiv preprint arXiv:1709.02043},
year = {2017}
}
备注
8 pages