公开(公告)号：CN109902808A

公开(公告)日：2019-06-18

申请号：CN201910152613.X

申请日：2019-02-28

Applicant: 华南理工大学

Inventor： 胡劲松 ,  邓国健 ,  李振业

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/12

Abstract: 本发明公开了一种基于浮点数位变异遗传算法优化卷积神经网络的方法，包括以下步骤：1）构建卷积神经网络和损失函数；2）初始化种群：通过参数编码构建N个个体作为种群，构建种群的适应度函数计算每个个体的适应度；3）选择操作；4）交叉操作；5）浮点数位变异操作。利用其优化卷积神经网络做人脸识别。本发明结合两者的优点，采用浮点数编码，二进制变异，尤其是利用IEEE 754浮点数来实现，这种改进提高了全局搜索能力。利用改进后的遗传算法优化卷积神经网络，应用于人脸识别。

公开(公告)号：CN109902808B

公开(公告)日：2023-09-26

申请号：CN201910152613.X

申请日：2019-02-28

Applicant: 华南理工大学

Inventor： 胡劲松 ,  邓国健 ,  李振业

IPC: G06N3/0464 ,  G06N3/063 ,  G06N3/126

Abstract: 本发明公开了一种基于浮点数位变异遗传算法优化卷积神经网络的方法，包括以下步骤：1）构建卷积神经网络和损失函数；2）初始化种群：通过参数编码构建N个个体作为种群，构建种群的适应度函数计算每个个体的适应度；3）选择操作；4）交叉操作；5）浮点数位变异操作。利用其优化卷积神经网络做人脸识别。本发明结合两者的优点，采用浮点数编码，二进制变异，尤其是利用IEEE 754浮点数来实现，这种改进提高了全局搜索能力。利用改进后的遗传算法优化卷积神经网络，应用于人脸识别。