> 于2024年05月31日在MIDA2024会议中报告并即将发表于MIDA2024论文集(EI检索)中。 **深度卷积神经网络超参数自动优化:基于坐标上升改进的网格搜索** ------------ 使用同一深度卷积神经网络模型会因不同的超参数组合而获得差异较大的不同结果。通过调整超参数的配置,我们可以改进模型的性能。然而,超参数优化通常需要大量的计算资源和时间,因此,提高超参数优化的效率是至关重要的。在本研究中,我们采用了坐标上升法,在仅提供各个超参数的初始候选值的情况下,通过在每次迭代中仅改变对模型效果最大的一个超参数,逐步扩充搜索网格,直至达到精度收敛的条件。这种方法使我们能够有效地自动找到能使模型精度收敛的超参数组合。实验结果显示,我们使用MWD数据集,通过超参数自动优化后的模型在验证集上的精度达到了95.71%,并且该超参数组合可以被视为近似全局最优解。此外,该超参数组合在其邻域内的表现稳定,这进一步证明了我们的超参数优化策略的稳健性。 ![QQ截图20240612113806.png](http://www.sct.center/usr/uploads/2024/06/3125478586.png) Last modification:June 12, 2024 © Allow specification reprint Support Appreciate the author AliPayWeChat Like If you think my article is useful to you, please feel free to appreciate