申请/专利权人：江苏科技大学

申请日：2021-04-20

公开（公告）日：2021-07-16

公开（公告）号：CN113128653A

主分类号：G06N3/00(20060101)

分类号：G06N3/00(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.08.03#实质审查的生效;2021.07.16#公开

摘要：本发明公开了一种混合群体智能的深度学习模型超参数优化方法，包括：选取深度神经网络搭建软件缺陷预测模型；初始化混合狼群算法参数；更新个体极值和群体极值；判断是否满足算法停止条件；更新每个粒子的速度和位置；求出更新后的位置上的适应值；求出更新后的头狼的最优适应值和最优的位置；更新探狼位置后更新头狼；更新猛狼位置；更新当前位置上的猛狼的适应值；计算进入围攻狼的更新位置；舍弃最差的R匹狼；计算R匹狼的适应值；得到模型的评价指标。本发明将混合算法用于深度学习模型超参数优化之中，能够快速且高效地向最优解逼近，可以很好地解决多个局部解和全局解的问题，具有更强的全局寻优能力，从而保证了模型预测的精度。

主权项：1.一种混合群体智能的深度学习模型超参数优化方法，其特征在于，包括如下步骤：S1：选取深度神经网络搭建软件缺陷预测模型；S2：初始化混合狼群算法参数；S3：根据群体智能算法确定深度神经网络的拓扑结构和学习率，用训练集数据训练网络模型，将模型训练结束后返回的损失函数的值作为适应值函数的值，更新个体极值和群体极值；S4：判断是否满足算法停止条件：当iter＝Gmax时执行步骤S15，否则执行步骤S5；S5：更新每个粒子的速度和位置；S6：探狼朝h个方向进行游走，进行位置更新，并且求出更新后的位置上的适应值nexty；S7：求出更新后的头狼的最优适应值leadY和最优的位置ledaX；S8：头狼发起召唤行为，猛狼向头狼奔袭，更新猛狼位置；S9：计算更新后的猛狼的适应值Mnexty，更新当前位置上的猛狼的适应值Yj以及Xj；S10：给定奔袭次数，当满足达到最大奔袭次数、猛狼变成头狼、或者dis＜dnear这三者条件之一时执行步骤S11，否则执行步骤S8；S11：计算进入围攻狼的更新位置，同时求出适应值Gnexty，并更新当前位置的值；S12：根据狼群的更新机制，舍弃最差的R匹狼；S13：随机生成R匹狼，并计算R匹狼的适应值；S14：iter＝iter+1，转至步骤S3；S15：满足算法结束条件，确定软件缺陷预测模型，基于软件缺陷预测模型对测试集进行缺陷预测，得到模型的评价指标。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种混合群体智能的深度学习模型超参数优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD