基于能量-熵的人工神经网络智能因子

《IEEE Access》:Energy-Entropy Based Intelligence Factor for Artificial Neural Networks

【字体: 大 中 小 】 时间:2026年05月19日 来源:IEEE Access 3.6

编辑推荐:

   摘要:在人工神经网络(ANNs)中,超参数优化是一个计算成本高昂的过程,需要多次尝试才能确定一个可行的配置。在这项研究中,我们提出了一种新的方法,该方法使用一个独立的外部神经网络来预测第一个神经网络的超参数设置的性能并评估其可行性。我们的方法旨在通过仅使用数据集的一小部分来降低

  

摘要:

在人工神经网络(ANNs)中,超参数优化是一个计算成本高昂的过程,需要多次尝试才能确定一个可行的配置。在这项研究中,我们提出了一种新的方法,该方法使用一个独立的外部神经网络来预测第一个神经网络的超参数设置的性能并评估其可行性。我们的方法旨在通过仅使用数据集的一小部分来降低总体计算成本,同时提供一个有前景且有效的超参数调整过程。该方法包括两个神经网络:第一个(主网络)使用不同的超参数配置进行训练,而第二个(监督网络)利用主网络的内部结构信息来预测其性能。这种方法能够高效地预测超参数的适用性,并减少试错循环的次数。实验结果表明,所提出的方法能够实现可靠的性能预测。第二个网络仅使用数据集的10%进行训练,就能将主网络的预测误差控制在6%以下。此外,该方法无需依赖数据集即可适用于不同的神经架构。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号