.png){kind=icon}
返回
A multi-strategy collaborative hybrid intelligent optimization algorithm (HPSR) and its application in deep network hyperparameter optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06390-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种多策略协作混合智能优化算法（HPSR），专门针对深度学习超参数优化中的维度灾难和局部最优问题。该方法通过系统整合四种创新机制扩展了传统粒子群优化框架。螺旋更新策略增强了局部开发能力，而随机步长机制有效缓解了收敛至局部最优的问题。该架构进一步引入了具有动态收敛因子的自适应速度调整策略，并采用基于期望改进准则增强的高斯过程回归代理模型，用于高效评估候选解。在多种神经网络架构上进行了全面实验评估。采用标准基准图像分类数据集严格评估算法泛化能力。所提方法相较于现有基线方法表现出更优的收敛特性和优化稳定性，尤其在需要探索与开发阶段复杂平衡的场景中。实证结果表明，互补优化策略的协同组合有效缓解了传统群智能算法在超参数搜索应用中的常见局限性，实现了具有统计显著性的性能提升。
Keyword:
Swarm intelligence optimization
Hyperparameter optimization
Spiral update strategy
Random-step mechanism
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
.png){kind=icon}
Automatic hyperparameter tuning of topology optimization algorithms using surrogate optimization使用代理优化的拓扑优化算法的自动超参数调整
OAAI
OAAI分享收藏Hyperparameter optimization: Foundations, algorithms, best practices, and open challenges超参数优化: 基础、算法、最佳实践和开放挑战
OAAI
OAAI分享收藏Plant leaf disease classification using EfficientNet deep learning model基于EfficientNet深度学习模型的植物叶病分类
PREAI
分享收藏分享收藏PDPSO: Priority-driven search particle swarm optimization with dynamic candidate solutions management strategy for solving higher-dimensional complex engineering problemsPDPSO：一种基于优先级驱动的搜索粒子群优化算法，采用动态候选解管理策略，用于解决高维复杂工程问题
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏Reliability-enhanced surrogate-assisted particle swarm optimization for feature selection and hyperparameter optimization in landslide displacement prediction用于滑坡位移预测的特征选择和超参数优化的可靠性增强代理辅助粒子群算法OAAI
OAAI分享收藏
查看更多内容