深層学習エクストリーム ラーニング マシンとその Matlab 実装を最適化するための人工蜂コロニー アルゴリズム
ディープ ラーニング エクストリーム ラーニング マシンは、ディープ ラーニングの分野で人気のあるモデルの 1 つですが、そのモデル パラメーターは手動で調整する必要があり、特定のデータ セットに対する汎化パフォーマンスは低くなります。この論文では、データ分類タスク用の人工蜂コロニー (ABC) アルゴリズムに基づいた、改良された深層学習極限学習マシンを提案します。
このアルゴリズムは ABC アルゴリズムを利用し、事前の知識がなくても、より適切なハイパーパラメータとモデル構造を自動的に導出します。同時に、適応慣性重みと平行移動操作を使用することで、検索速度が向上し、収束が向上します。具体的には、ABCアルゴリズムを適用してELMモデルのL2正則化項目や隠れ層ノード数などのパラメータを改善し、粒子群最適化を通じてモデル選択を完了します。
読者が理解して実装しやすいように、この記事では完全な Matlab コードを示しています。具体的には、コードには ABC クラス、ELM クラス、分類クラス、その他の部分が含まれており、そのうち分類クラス部分は主に ABC アルゴリズムのフレームワークの下で分類タスクを実装することです。読者は、この記事の追加資料で完全な実装コードを見つけて、必要に応じて変更して使用できます。
結論として、私たちの方法は一連のデータセットでテストされ、従来のELMおよびPSOベースの改良された方法と比較して、その優れたパフォーマンスと堅牢性が実証されました。したがって、本論文で提案する ABC アルゴリズムは、深層学習モデルを最適化する有効な手段として使用できます。
添付ファイル: MATLAB コード