TY -的A2 -哈根,马丁盟——Rere l . m . Rasdi AU - Fanany穆罕默德伊凡盟——Arymurthy Aniati Murni PY - 2016 DA - 2016/06/08 TI - Metaheuristic卷积算法神经网络SP - 1537325六世- 2016 AB -一个典型的现代优化技术通常是启发式或Metaheuristic。这种技术已经设法解决一些优化问题在科学研究领域,工程和工业。然而,实现策略的metaheuristic精度改善卷积神经网络(CNN),一个著名的深度学习的方法,还很少研究。深度学习与一种机器学习技术,其目标是靠近我们的目标创造一个人工智能的机器,可以成功地执行任何知识的任务,可以由一个人来完成。在本文中,我们提出三种流行metaheuristic方法的实现策略,即模拟退火,微分进化,与和谐搜索,优化CNN。这些metaheuristic方法的性能优化CNN MNIST分类和CIFAR数据集进行评估和比较。此外,该方法也与原来的CNN。尽管拟议的方法计算时间的增加,其准确性也得到了改进(高达7.14%)。SN - 1687 - 5265你2016/1537325 / 10.1155——https://doi.org/10.1155/2016/1537325——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER