Optimierung von Hyperparametern für convolutionale Neuronale Netze zur Gesichtsausdruckserkennung

Diese Arbeit präsentiert eine Methode zur Optimierung der Hyperparameter eines convolutionalen neuronalen Netzes, um die Genauigkeit im Kontext der Gesichtsausdruckserkennung zu erhöhen. Die optimalen Hyperparameter des Netzwerks wurden durch Generierung und Training von Modellen bestimmt, wobei der Random Search-Algorithmus auf einem Suchraum angewendet wurde, der durch diskrete Werte der Hyperparameter definiert war. Das beste resultierende Modell wurde anhand der FER2013-Datenbank trainiert und evaluiert und erreichte eine Genauigkeit von 72,16 %.