본 논문은 이진 이미지 분류(예: 고양이 vs 비고양이)를 위한 신경망을 최적화하는 향상된 유전 알고리즘 기법을 제시합니다. 제안된 방법은 리더(Leader)와 팔로워(Follower)라는 두 개의 매개변수 집합으로 표현되는 두 개체만을 교차(crossover)에 사용합니다. 리더는 주요 최적 해를 나타내는 탐색(exploitation)에 집중하고, 팔로워는 다양성을 유지하고 조기 수렴을 피함으로써 탐험(exploration)을 촉진합니다. 주요 기여는 다음 세 가지입니다. (1) 층 구조의 수동 조정이 필요 없는 자가 적응형 층 차원 메커니즘, (2) 파레토 우월성과 비용 최적화 후 순위가 매겨진 10가지 층 구조 구성(각 집합에 5개)을 가진 리더 및 팔로워 매개변수 집합 생성, (3) 기울기 기반 방법보다 더 나은 결과 달성. 실험 결과, 제안된 방법은 [12288, 17, 4, 1] 구조의 3층 네트워크에서 99.04%의 훈련 정확도와 80%의 테스트 정확도(비용 = 0.06)를 달성하여, [12288, 20, 7, 5, 1] 구조의 4층 네트워크에서 98%의 훈련 정확도와 80%의 테스트 정확도(비용 = 0.092)를 달성한 기울기 기반 접근 방식보다 높은 성능을 보였습니다.
