A First Step Toward Incremental Evolution of Convolutional Neural Networks
A First Step Toward Incremental Evolution of Convolutional Neural Networks
复制标题
卷积神经网络增量进化的第一步
DOI：
10.1145/3377929.3389916
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Louis, Sushil
中科院分区：
文献类型：
--
作者：
Barnes, Dustin;Davis, Sara R;Hand, Emily M;Louis, Sushil
我们介绍了一种新的算法--ConvNEAT--它从最小结构进化出卷积神经网络(CNN)。卷积和密集节点的进化不受节点数量或节点之间连接的限制。所提出的工作利用ConvNEAT的能力来推进该领域，利用GPU处理来进化具有多维输入的任意最小架构。
We introduce a novel algorithm - ConvNEAT - that evolves a convolutional neural network (CNN) from a minimal architecture. Convolutional and dense nodes are evolved without restriction to the number of nodes or connections between nodes. The proposed work advances the field with ConvNEAT's ability to evolve arbitrary minimal architectures with multi-dimensional inputs using GPU processing.