拡大率パラメータとスケールアップ遺伝操作を導入したCartesian Genetic Programmingによる畳み込みニューラルネットワークの最適化

カテゴリ: 研究会(論文単位)

論文No: ST23033,CT23096

グループ名: 【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日: 2023/11/29

タイトル(英語): Optimization of Convolutional Neural Networks by Cartesian Genetic Programming with Magnification Parameters and Scale-up Genetic Operators

著者名: 舟橋 寛人(広島市立大学),原 章(広島市立大学),鎌田 真(広島市立大学),高濱 徹行(広島市立大学)

著者名(英語): Hiroto Funabashi(Hiroshima City University),Akira Hara(Hiroshima City University),Shin Kamada(Hiroshima City University),Tetsuyuki Takahama(Hiroshima City University)

キーワード: ニューラル構造探索|進化計算|畳み込みニューラルネットワーク|深層学習|直交座標系遺伝的プログラミング|Neural Architecture Search|Evolutionary Computation|Cartesian Genetic Programming|Convolutional Neural Network|Deep Learning

要約(日本語): グラフ構造の進化的最適化手法Cartesian Genetic ProgrammingによるConvolutional Neural Networkの設計アルゴリズムとしてCGP-CNNがある．本研究では，遺伝子表現に畳み込み層の繰り返し回数や出力チャネル数を制御する拡大率パラメータを導入するとともに，ネットワーク全体を効果的に伸張するスケールアップ遺伝操作を使用して，最適化効率の改善を図った．

要約(英語): CGP-CNN is a method for designing Convolutional Neural Networks using Cartesian Genetic Programming. In this study, to improve the optimization efficiency, we incorporate real-coded genes that control the magnification for the depth of convolutional layers and the number of its output channels into CGP chromosomes, and use scale-up genetic operators that effectively expand the network structure in a balanced manner.

本誌: 2023年12月2日-2023年12月3日システム/制御合同研究会

本誌掲載ページ: 17-22 p

原稿種別: 日本語

PDFファイルサイズ: 1,381 Kバイト