遺伝的アルゴリズムを使用したMLP ANNハイパーパラメータ最適化の拡張

多層パーセプトロン (MLP) 人工ニューラルネットワーク (ANN) のハイパーパラメータを最適化することは簡単な作業ではなく、現在でも試行錯誤のアプローチが広く使われています。多くの研究がすでに、MLPのトポロジー、重み、バイアスの最適化を含め、この最適化検索に遺伝的アルゴリズム (GA) を用いることを提案しています。本研究では、通常のMLPトポロジーと学習ハイパーパラメータと同時に最適化される重みの初期化と正則化のためのハイパーパラメータを追加することを提案します。また、分類性能とより相関のあるハイパーパラメータを分析し、検索空間を減少させることで良好なハイパーパラメータのセットに到達するために必要な時間と計算を減少させています。 公開データセットを使用した結果は、類似の研究と比較して性能が向上したことを示しています。また、重みの初期化と正則化に関連するハイパーパラメータは、すべてのデータセットで精度性能を説明する上で重要な上位5つのハイパーパラメータの中に含まれており、最適化プロセスにおいてそれらを含める重要性を示しています。