[发明专利]一种进化的神经网络结构搜索方法

权利要求书

1.一种进化的神经网络结构搜索方法，其特征在于包括以下步骤：

Step1：粒子群算法公式基本参数设置，包括粒子群算法的种群规模，最大迭代次数及粒子群算法其它参数等；

Step2：将神经网络结构参数作为粒子群算法算法粒子分量，随机初始化每个粒子；

Step3：评估每个粒子并得到全局最优，以每个粒子作为CNN结构，随机初始化CNN权重，通过训练确定CNN，将CNN测试误差作为该粒子的适应度函数值，pbest和gbest位置；

Step4：若gbest的适应度函数值小于给定阈值或达到最大迭代次数，则停止迭代，否则将会计算多维空间算式，更新粒子的速度和位置、评估每个粒子的函数适应值、更新每个粒子历史最优位置、更新全体的最优位置，然后返回Step3；

Step5：最终得到的pbest即为最佳CNN结构。

2.根据权利要求1所述的一种进化的神经网络结构搜索方法，其特征在于：所述Step1内的粒子群算法公式为：

v_i=wv_i+c₁*rand（）*（pbest_i-x_i）+c₂*rand（）*（gbest_i-x_i）（1）

x_i=x_i+v_i （2）

在公式(1)、(2)中：

i表示群体中粒子编号；

v_i表示粒子的速度；

rand（）表示随机函数介于（0，1）；

x_i表示当前粒子所在的位置；

c₁和c₂表示学习因子，代表将每个粒子推向pbest和gbest位置统计加速项的权值，较低的值允许粒子在被拉回之前可以在目标区域外徘徊，较高的值导致粒子突然地冲向或越过目标区域，w表示惯性因子，其值为非负，结合w值调整粒子群算法，w值较大全局寻优能力强，w值较小局部寻优能力强，结合卷积神经网络在不同场景的应用情况来调整粒子群的惯性因子，能够有效的针对不同广度的搜索，调整出最优的全局和局部搜索能力，使得卷积神经网络能够应用于更多的场景，解决更多的实际问题。

3.根据权利要求1所述的一种进化的神经网络结构搜索方法，其特征在于：所述多维空间算式为：

v_id=wv_id+c₁*rand（）*（pbest_id-x_id）+c₂*rand（）*（gbest_id-x_id）(3)

x_id=x_id+v_d (4)

其中，d表示所在空间的维度。