文章摘要:针对传统手工方法优化卷积神经网络参数时存在耗时、不准确，以及参数设置影响算法性能等问题，提出了一种基于教与学优化的可变卷积自编码器方法。该算法设计了可变长度的个体编码策略，快速构建卷积自编码器结构，堆叠卷积神经网络；此外，充分利用优秀个体结构信息，引导算法朝着更有希望的区域搜索，提高算法性能。实验结果表明，所提算法在解决医学图像分类问题时，分类精度达到89.84%，高于传统卷积神经网络和同类型神经网络的分类精度。算法通过优化卷积自编码器结构，堆叠卷积神经网络解决医学图像分类问题，有效提高了医学图像分类性能。

文章关键词:

论文分类号:R445;TP391.41

文章来源：《化学教与学》 网址: http://www.hxjyxzz.cn/qikandaodu/2021/0927/1042.html