买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于代理辅助进化算法的卷积神经网络结构优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115879509B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211449687.8，技术领域涉及：G06N3/0464；该发明授权基于代理辅助进化算法的卷积神经网络结构优化方法是由王晗丁;刘勇存设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于代理辅助进化算法的卷积神经网络结构优化方法在说明书摘要公布了：本发明公开了一种基于代理辅助进化算法的卷积神经网络结构优化方法，用于现有技术中存在的网络预测性能提升有限和优化效率较低的技术问题，实现步骤为：获取训练样本集和验证样本集；获取卷积神经网络的结构参数；初始化参数样本集和验证准确率集；基于代理辅助进化算法对结构参数进行优化。本发明采用全局或局部代理辅助的混合进化算法对结构参数进行全局优化，可以兼顾优化过程中的探索与开发，能提高优化的搜索能力，从而搜索到更好的结构参数，进而显著提升优化后的卷积神经网络预测性能，使用代理模型对验证准确率进行预测，替代进化优化过程中评估时所需的大量昂贵耗时的训练和验证，节约大量计算资源以及评估时间，提升优化效率。

本发明授权基于代理辅助进化算法的卷积神经网络结构优化方法在权利要求书中公布了：1.一种基于代理辅助进化算法的卷积神经网络结构优化方法，其特征在于，包括如下步骤： 1获取训练样本集和验证样本集： 获取包括C类别的M幅图像，并对每幅图像的类别进行标注，然后将V幅图像及其对应的标签组成训练图像样本集Dtrain，将其余M-V幅图像及其对应的标签组成验证图像样本集Dval，其中，C≥2，M≥50000，VM2； 2获取卷积神经网络的结构参数： 获取包括A个卷积层、B个池化层、E个全连接层的卷积神经网络模型O的结构参数为s，s包括由A个卷积层卷积核的数量、前E-1个全连接层神经元的数量和神经元随机失活率组成的连续型参数x，以及由A个卷积层卷积核的大小、使用的激活函数类型和B个池化层使用的池化函数类型组成的离散型参数z，其中，A≥1，B≥1，E≥2，x包含的参数数量为L＝A+2E-2，z包含的参数数量为R＝2A+B； 3初始化参数样本集和验证准确率集： 对结构参数s进行N次随机采样，并将随机采样得到的参数样本集S1＝{s1,s2,...,sn,...,sN}中的每一个参数样本sn作为卷积神经网络模型O的结构参数取值得到卷积神经网络然后将训练图像样本集Dtrain作为卷积神经网络的输入进行e次迭代训练，再将验证图像样本集Dval作为训练好的卷积神经网络的输入对验证图像样本的类别进行预测，并计算预测类别与真实标签一致的样本数量与验证图像样本总数量M-V的比值作为sn对应的验证准确率fn，最后得到参数样本集S1对应的验证准确率集F1＝{f1,f2,...,fn,...,fN}，其中N≥100，sn表示第n个参数样本，fn表示sn对应的验证准确率，e≥10； 4基于代理辅助进化算法对结构参数进行优化： 4a初始化迭代次数为t，最大迭代次数为T，T≥200，多样性阈值为τ，0τ1，种群为Pt，并令t＝1，P1＝S1； 4b计算当前种群Pt的多样性指标Rt，并判断Rtτ是否成立，若是，执行步骤4c，否则，执行步骤4d； 4c采用全局代理辅助混合进化算法对结构参数s进行全局优化，并将优化后的结构参数作为卷积神经网络模型O的结构参数取值得到卷积神经网络然后将训练图像样本集Dtrain作为卷积神经网络的输入进行e次迭代训练，再将验证图像样本集Dval作为训练好的卷积神经网络的输入对验证图像样本的类别进行预测，最后计算预测类别与真实标签一致的样本数量与验证图像样本总数量M-V的比值作为对应的验证准确率f1t，更新参数样本集S't和对应的验证准确率集Ft'，Ft'＝Ft-1∪{f1t}，并执行步骤4e； 4d采用局部代理辅助分布估计算法对结构参数s进行局部优化，并将优化后的结构参数作为卷积神经网络模型O的结构参数取值得到卷积神经网络然后将训练图像样本集Dtrain作为卷积神经网络的输入进行e次迭代训练，再将验证图像样本集Dval作为训练好的卷积神经网络的输入对验证图像样本的类别进行预测，最后计算预测类别与真实标签一致的样本数量与验证图像样本总数量M-V的比值作为对应的验证准确率并更新参数样本集S't和对应的验证准确率集Ft'， 4e将从当前种群Pt中选出的验证准确率最高的个体和从参数样本集St中选出的Ncb个离散型参数取值为的样本构成样本参数集然后判断Ncb≥5×L是否成立，若是，执行步骤4f，否则，执行步骤4g； 4f采用连续代理辅助差分进化算法对连续型结构参数x进行优化，得到优化后的连续型结构参数组合和得到的作为卷积神经网络模型O的结构参数得到卷积神经网络然后将训练图像样本集Dtrain作为卷积神经网络的输入进行e次迭代训练，再将验证图像样本集Dval作为训练好的卷积神经网络的输入对验证图像样本的类别进行预测，最后计算预测类别与真实标签一致的样本数量与验证图像样本总数量M-V的比值作为对应的验证准确率更新参数样本集S't和对应的验证准确率集Ft'， 4g判断t＝T是否成立，若是，输出参数样本集ST和对应的验证准确率集FT，并从ST中取FT中验证准确率最高的结构参数sbest＝{xbest,zbest}作为卷积神经网络模型O的结构参数，得到最优卷积神经网络Osbest，否则，令t＝t+1，St＝S't，Ft＝Ft'，并从参数样本集St中选取Ft中验证准确率高的前N个参数样本作为当前种群Pt，并执行步骤4b。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。