Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Fine-tuning Deep Belief Networks using Harmony Search

Texto completo
Autor(es):
Papa, Joao Paulo [1] ; Scheirer, Walter [2] ; Cox, David Daniel [2]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] UNESP Univ Estadual Paulista, Dept Comp, Bauru - Brazil
[2] Harvard Univ, Ctr Brain Sci, Cambridge, MA 02138 - USA
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: APPLIED SOFT COMPUTING; v. 46, p. 875-885, SEP 2016.
Citações Web of Science: 37
Resumo

In this paper, we deal with the problem of Deep Belief Networks (DBNs) parameters fine-tuning by means of a fast meta-heuristic approach named Harmony Search (HS). Although such deep learning-based technique has been widely used in the last years, more detailed studies about how to set its parameters may not be observed in the literature. We have shown we can obtain more accurate results comparing HS against with several of its variants, a random search and two variants of the well-known Hyperopt library. The experimental results were carried out in two public datasets considering the task of binary image reconstruction, three DBN learning algorithms and three layers. (C) 2015 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
Beneficiário:João Paulo Papa
Linha de fomento: Bolsas no Exterior - Pesquisa