《表1 个体适应度:改进增强拓扑神经进化算法及其乳腺癌应用》
对基本NEAT算法和本文改进后的算法各进行了6次独立实验,基本NEAT算法20个个体的第30代结果如表1所示,优化权重后算法第30代结果如表2所示。对比表1和表2的结果可以看出,优化权重后最优个体适应度均显著高于基本NEAT算法,最差个体及个体均值情况也好于基本NEAT算法,由此可见,采用遗传算法进化得出的模型权重初值对仅由TensorFlow随机产生的初始权重网络具有更加积极的指导作用。因此,在不显著增加算法时间复杂度的情况下,可以考虑使用遗传算法优化模型的初始权重。
图表编号 | XD00198094200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 李正夫、杨玉青、李姣姣 |
绘制单位 | 江苏海洋大学计算机工程学院、江苏海洋大学计算机工程学院、江苏海洋大学药学院 |
更多格式 | 高清、无水印(增值服务) |