基于遗传算法的神经网络等价模型构建

摘要

神经网络模型结构作为深度学习的重要组成部分,在很大程度上决定着深度学习的性能表现.而目前基于深度学习的应用,大部分都由经典的网络模型修改而来.由于无法获得原神经网络模型结构,本文根据原模型的输入输出数据以及经典的神经网络模型结构,构建了原模型的预测模型.该方法主要通过对预测模型的结构参数进行编码,并利用遗传算法(GA)进行选择、交叉、变异操作,从而构建出原模型的等价模型.对于同一输入数据,等价模型和原模型的输出基本保持一致.本文提出的构建方法在图像分类、信号调制类型分类和网络链路预测领域均取得了较好的效果.