改进增强拓扑神经进化算法及其乳腺癌应用

摘要

神经网络层数和超参数的不断增加,使得其模型优化变得更加困难.通过改进增强拓扑神经进化算法优化得到较优的神经网络结构模型,有效解决了上述问题.利用遗传算法对神经网络结构中的节点以及节点之间的边进行基因编码,在乳腺癌威斯康星(诊断)数据集上进行算法实验.遗传算法模拟自然界物种存优去劣的进化过程,通过选择、交叉以及变异操作不断地更新种群,并将神经网络的边权重和计算适应度的学习率在遗传算法中进行优化.通过种群的不断进化,将全局最优个体作为最终的模型结构.在数据集上与其他机器学习方法的实验结果进行对比,优化后方法的准确率达到了0.986,优于其他常用的机器学习方法.