Indexed by：
Abstract：
CNN框架中,如何对其模型的超参数进行自动化获取一直是一个重要问题.提出一种基于改进的贝叶斯优化算法的 CNN 超参数优化方法.该方法使用改进的汤普森采样方法作为采集函数,利用改进的马尔可夫链蒙特卡洛算法加速训练高斯代理模型.该方法可以在超参数空间不同的CNN框架下进行超参数优化.利用CIFAR-10、MRBI和SVHN 测试集对算法进行性能测试,实验结果表明,改进后的 CNN 超参数优化算法比同类超参数优化算法具有更好的性能.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机应用研究
Year： 2018
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 15
Affiliated Colleges：
