[发明专利]基于进化方法搜索烟、火检测网络架构的方法

权利要求书

1.一种基于进化方法搜索烟、火检测网络架构的方法，包括actor和critic两部分。actor根据奖惩信息调节不同状态下采取各种动作的概率。首先用计算图表达网络结构，并进一步将层、层的连接及层内的操作用编码表示。然后将颜色、纹理和轮廓子网络做为初始种群，开始按选择、繁殖、变异、更新、优化步骤迭代进化。使用critic评估网络来做准确率预测器，输入为网络结构的变长字符串描述，输出预测的验证精度。这个方法探索烟、火检测的网络结构，同时采用进化算法限制探索空间，提高优化效率。

2.根据权利要求1，其所提到的采用计算图表达网络结构，并进一步将层、层的连接及层内的操作用编码表示；每层可能是卷积、批正则化、激活、池化、dropout、连接等操作中的一种；由于每层的类型不同，其操作、选项和连接不同，因此把每层表达为3个属性，连接和操作，因此105位的编码可以表示网络；操作用6个选项的编码表示，操作选项用9个选项的编码表示，连接用34个选项的编码表示。

3.根据权利要求1，将颜色、纹理和轮廓子网络做为初始种群，开始按以下步骤迭代进化。

选择：从种群中随机选择k个个体，然后按性能对k个个体进行排序，并以概率p选择最佳个体，而次优个体的概率为p×(1-p)。

繁殖：每两个个体繁殖出一个新的后代。父母网络可以通过一个点或多点交叉进行组合。

变异：预定义一组突变运算符，包括更改操作、选项和连接。突变可能探索更多新颖的结构并确保种群的多样性。

更新：在种群中随机选择两个个体，将较差的个体从种群中剔除。

优化：建立目标函数的概率模型，然后使用该模型选择最优的超参数，最后对真实的目标函数评估所选的超参数。

4.根据权利要求1，使用critic评估网络来做准确率预测器，输入为网络结构的变长字符串描述，输出预测的验证精度。也正是有个这个利器，使得它里边提出方法即使用看起来并不复杂的启发式搜索，也能达到很好的效果。