論文の概要: Optimizing Hyper parameters in CNN for Soil Classification using PSO and Whale Optimization Algorithm

• arxiv url: http://arxiv.org/abs/2508.16660v1
• Date: Wed, 20 Aug 2025 16:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.095062
• Title: Optimizing Hyper parameters in CNN for Soil Classification using PSO and Whale Optimization Algorithm
• Title（参考訳）: PSOと鯨最適化アルゴリズムを用いた土壌分類のためのCNNにおけるハイパーパラメータの最適化
• Authors: Yasir Nooruldeen Ibrahim, Fawziya Mahmood Ramo, Mahmood Siddeeq Qadir, Muna Jaffer Al-Shamdeen,
• Abstract要約: 土壌画像の分類は、土地管理の改善、農業生産の増大、環境問題に対する実践的な解決に寄与する。 本研究では,土壌の種類を分類するために畳み込みニューラルネットワークを用いたインテリジェントモデルを構築した。 畳み込みニューラルネットワークネットワークのハイパーパラメータを選択することにより,Swarmアルゴリズムが最高の性能を得ることができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Classifying soil images contributes to better land management, increased agricultural output, and practical solutions for environmental issues. The development of various disciplines, particularly agriculture, civil engineering, and natural resource management, is aided by understanding of soil quality since it helps with risk reduction, performance improvement, and sound decision-making . Artificial intelligence has recently been used in a number of different fields. In this study, an intelligent model was constructed using Convolutional Neural Networks to classify soil kinds, and machine learning algorithms were used to enhance the performance of soil classification . To achieve better implementation and performance of the Convolutional Neural Networks algorithm and obtain valuable results for the process of classifying soil type images, swarm algorithms were employed to obtain the best performance by choosing Hyper parameters for the Convolutional Neural Networks network using the Whale optimization algorithm and the Particle swarm optimization algorithm, and comparing the results of using the two algorithms in the process of multiple classification of soil types. The Accuracy and F1 measures were adopted to test the system, and the results of the proposed work were efficient result
• Abstract（参考訳）: 土壌画像の分類は、土地管理の改善、農業生産の増大、環境問題に対する実践的な解決に寄与する。 様々な分野、特に農業、土木工学、天然資源管理の開発は、リスク低減、性能改善、健全な意思決定に役立つため、土壌品質の理解によって支援されている。 人工知能は、最近、さまざまな分野で使われている。 本研究では,土壌の種類を分類するために畳み込みニューラルネットワークを用いてインテリジェントモデルを構築し,土壌分類の性能を高めるために機械学習アルゴリズムを用いた。 畳み込みニューラルネットワークアルゴリズムの実装と性能を向上し,土壌型画像の分類に有用な結果を得るため,Whale最適化アルゴリズムとParticle Swarm最適化アルゴリズムを用いて,畳み込みニューラルネットワークネットワークのハイパーパラメータを選択し,この2つのアルゴリズムを用いて土壌型画像の複数分類を行った結果を比較することにより,最適な性能を得ることができた。 システムテストには精度とF1が適用され,提案手法の結果は効率的であった。

関連論文リスト

• Enhancing CNN Classification with Lamarckian Memetic Algorithms and Local Search [0.0]
  そこで本研究では,局所探索機能を組み込んだ2段階学習手法と集団最適化アルゴリズムを併用した新しい手法を提案する。 実験の結果,提案手法は最先端の勾配に基づく手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-26T17:31:15Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Training Neural Networks using SAT solvers [1.0152838128195465]
  本稿では,SATソルバを用いてニューラルネットワークのトレーニングを行うグローバル最適化手法を提案する。 実験では,パリティ学習などのタスクにおいて,ADAMオプティマイザに対するアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2022-06-10T01:31:12Z)
• Neural Improvement Heuristics for Graph Combinatorial Optimization Problems [49.85111302670361]
  本稿では,ノード,エッジ,あるいはその両方に情報をエンコードするグラフベースの問題を扱う新しいニューラル改善(NI)モデルを提案する。 提案モデルは,各地区の操作の選択を誘導する丘登頂に基づくアルゴリズムの基本的な構成要素として機能する。
  論文  参考訳（メタデータ） (2022-06-01T10:35:29Z)
• Neural Combinatorial Optimization: a New Player in the Field [69.23334811890919]
  本稿では,ニューラルネットワークに基づくアルゴリズムの古典的最適化フレームワークへの導入に関する批判的分析を行う。 性能, 転送可能性, 計算コスト, 大規模インスタンスなど, これらのアルゴリズムの基本的側面を分析するために, 総合的研究を行った。
  論文  参考訳（メタデータ） (2022-05-03T07:54:56Z)
• Land Use and Land Cover Classification using a Human Group based Particle Swarm Optimization Algorithm with a LSTM classifier on hybrid-pre-processing Remote Sensing Images [0.0]
  リモートセンシング画像を用いた土地利用・土地被覆分類(LULC)は多くの環境モデリングや土地利用在庫において重要な役割を担っている。 本研究では,LULC分類の性能向上のために,ディープラーニング分類器とハイブリッド特徴最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-04T15:30:10Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)
• Self-Directed Online Machine Learning for Topology Optimization [58.920693413667216]
  自己指向型オンライン学習最適化は、ディープニューラルネットワーク(DNN)と有限要素法(FEM)計算を統合している。 本アルゴリズムは, コンプライアンスの最小化, 流体構造最適化, 伝熱促進, トラス最適化の4種類の問題によって検証された。 その結果, 直接使用法と比較して計算時間を2～5桁削減し, 実験で検証した全ての最先端アルゴリズムより優れていた。
  論文  参考訳（メタデータ） (2020-02-04T20:00:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。