摘要详情

ID / 提交时间

107 / 2023-09-19 19:41:51

标题

An Evolutionary Algorithm-based Neural Architecture Search for Feature Separation in Classification Problems

关键字

convolutional neural network,neural architecture search,evolutionary algorithm,feature separation

主题及专题

Special Sessions > SS04 - Application of Computational Intelligence in Manufacturing and Logistics

状态

终稿

作者

Qing Zhang / Dalian University of Technology

GuoLiang Gong / Alibaba Limited

Yiming Luo / Dalian University of Technology

Lin Lin / Dalian University of Technology

摘要

在本文中，我们提出了基于进化算法的神经架构搜索（EvoNAS），利用进化算法寻找优化的卷积神经网络（CNN），并结合分布估计来提高搜索过程中的效率，从而提高分类性能。优化后的 CNN 揭示了分类过程。它可以将特征按照指定的类别进行分类，在达到期望的分类精度的同时提高相似特征的分类精度。我们进行特征分离实验在公开的CIFAR数据集上，我们使用EvoNAS进行特征分离实验。EvoNAS 在公开可用的 CIFAR 数据集上进行了特征分离实验。分类准确率分别提高了0.55%和0. 与原网络相比分别提高了56\%。此外，特征可视化和归因可视化提高了CNN的分类可解释性。