一种低成本实现神经网络多性能架构的优化方法

本发明公开了一种低成本实现神经网络多性能架构的优化方法，包含数据集输入模块、参数设置模块、多性能架构超参数搜索模块以及多性能神经网络架构推荐模块。该方法将错误率、计算复杂度和测试时间作为目标，把深度卷积神经网络中的超参数组合视作种群个体，通过设计PASAEA，输入相应的数据集、深度卷积神经网络和超参数搜索范围，就能高效自动搜索到对应的多性能架构方案。本发明实现了从经验驱动到数据驱动的范式转变，突破了主观设计成本高、可解释性差的瓶颈，为神经网络昂贵训练问题提供了科学且稳定性强的解决方案。本发明可广泛应用于自动化、信号处理等领域的建设及研究中，显著降低人力和时间成本，具备极高的工程应用价值。