تحسين أداء تجميع الشبكات الطبيعية SNFUL باستخدام الحوسبة المسطحة

الملخص

حققت الشبكات العصبية التلافيفية (CNNs) نجاحًا ملحوظًا مع العديد من القضايا الواقعية في السنوات الأخيرة. يتأثر هيكل هذه الشبكات بشكل كبير بعدد من المعلمات، مثل عدد ونوع الطبقات، وحجم وعدد النوى، ونوع دالة التنشيط. في هذه المقالة، تم استخدام الخوارزميات الجينية لتصميم هياكل CNN، نظرًا لحقيقة أن الخوارزميات الجينية قادرة على تطبيق التعلم بطريقة آلية. تم اختبار الخوارزمية المقترحة على مجموعات البيانات cifar100 وcifar10، وتمت مقارنة النتائج بمجموعة من الخوارزميات التي أظهرت أداءً واعدًا في هذا المجال.