본 논문은 이진 이미지 분류 문제(예: 고양이 vs 비고양이)를 위한 신경망 최적화에 '이중 개체 유전 알고리즘(Dual-Individual GA)'이라는 향상된 유전 알고리즘 기법을 제시합니다. 이 방법은 두 개의 개체(리더와 팔로워)만을 사용하여 교차를 수행하며, 각 개체는 매개변수 집합으로 표현됩니다. 리더는 짝수 번째 위치(0, 2, 4, ...)에서 주요 최적 솔루션을 나타내며 착취(exploitation)에 집중하고, 팔로워는 홀수 번째 위치(1, 3, 5, ...)에서 다양성을 유지하고 조기 수렴을 방지하여 탐색(exploration)을 촉진합니다. 주요 기여는 다음과 같습니다: (1) 계층 구조를 수동으로 조정할 필요가 없는 자가 적응형 계층 차원 메커니즘, (2) 파레토 우월성 및 비용에 따라 순위가 매겨진 10가지 계층 구조 구성(각 집합에 5개)을 가진 리더 및 팔로워 매개변수 집합 생성, (3) 기존의 기울기 기반 방법보다 우수한 성능을 보임. 실험 결과, 제안된 방법은 [12288, 17, 4, 1] 구조의 3계층 네트워크에서 99.04%의 훈련 정확도와 80%의 테스트 정확도(비용 = 0.034)를 달성하여, [12288, 20, 7, 5, 1] 구조의 4계층 네트워크에서 98%의 훈련 정확도와 80%의 테스트 정확도(비용 = 0.092)를 달성한 기울기 기반 방법을 능가했습니다.
