کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

ارائه روشی ترکیبی بر پایه بهینه‌سازی پیوسته و الگوریتم تکاملی جهت جستجوی معماری شبکه‌های عصبی

نویسندگان :

فاطمه سالمی¹ دکترمرتضی محجل کفشدوز² دکترفاطمه سادات لسانی³ دکتر عبدالرضا رسولی کناری⁴

1- دانشگاه صنعتی قم 2- دانشگاه صنعتی قم 3- دانشگاه صنعتی قم 4- دانشگاه صنعتی قم

کلمات کلیدی :

سلول،الگوریتم تکاملی،شبکه کانولوشنی،شبکه عصبی عمیق،جستجوی معماری عصبی

چکیده :

شبکه‌های عصبی عمیق به‌طور گسترده در حوزه‌های مختلف بینایی ماشین و پردازش داده به‌کار می‌روند، اما طراحی دستی معماری‌های بهینه فرآیندی زمان‌بر و پرهزینه است. در این پژوهش، رویکردی ترکیبی بر پایه‌ی DDARTS با سلول‌های مستقل پیشنهاد می‌شود که با بهره‌گیری از الگوریتم‌های تکاملی در فضای جستجو، به بهبود کارایی فرآیند جستجوی معماری کمک می‌کند. هدف اصلی این روش افزایش تنوع معماری‌ها، جلوگیری از فروپاشی عملکرد شبکه و ارتقای توانایی مدل در یادگیری وابستگی‌های محلی و بلندمدت است. نتایج تجربی بر روی مجموعه‌داده‌ی CIFAR-10 نشان می‌دهد که رویکرد پیشنهادی در مقایسه با مدل‌های پایه، دقت بالاتری کسب می‌کند. به‌ویژه، ترکیب DDARTS با الگوریتم تکاملی توانست به دقت%96.54دست یابد که نسبت به روش‌های پیشین بهبود چشمگیری دارد. در مجموع، نتایج این پژوهش نشان می‌دهد که ادغام رویکردهای گرادیانی و تکاملی می‌تواند چارچوبی کارآمد و انعطاف‌پذیر برای جستجوی معماری‌های عصبی نسل آینده فراهم سازد.