基于分层学习粒子群优化的轻量级卷积神经网络架构搜索方法

本发明公开了一种基于分层学习粒子群优化的轻量级卷积神经网络架构搜索方法，包括下述步骤：生成不同结构的初始神经网络架构；根据神经网络架构的适应度值将种群动态划分为多个层级，将编码数据与对应的层级信息共同构成训练集训练梯度提升分类器，预测新架构的潜在层级；基于层次化学习策略使低层级架构从多个高层级架构获取进化指导，同时应用L1‑exploitation强化策略，通过迭代优化使后代预测为最高层级；基于编码差异的多样性选择策略进行多样性选择与更新；达到终止条件时输出最佳的神经网络架构。本发明能显著提升神经网络架构搜索效率，能大幅降低计算资源消耗，适用于资源受限环境下的轻量级神经网络自动设计需求。