| 神经结构搜索进展概述 |
| |
| 引用本文： | 何明捷,张杰,山世光.神经结构搜索进展概述[J].电信科学,2019,35(5):43-50. |
| |
| 作者姓名： | 何明捷 张杰 山世光 |
| |
| 作者单位： | 中国科学院计算技术研究所中国科学院智能信息处理重点实验室,北京100190;中国科学院大学,北京100049;中国科学院计算技术研究所中国科学院智能信息处理重点实验室,北京,100190 |
| |
| 摘 要： | 近年来,深度学习技术在大量的计算视觉任务上取得了巨大的成功,深度神经结构是一个决定性能的关键要素,全自动的神经结构搜索方法的研究近年来受到了越来越多的关注。全自动的神经结构搜索方法是指针对特定的任务,通过算法自动地学习出适用的深度神经结构。各类神经结构搜索方法在探索高性能、高效率的神经结构方面已经展示出了巨大的潜力。从性能评估方法、搜索空间、结构搜索策略3个维度对神经结构搜索方法进行了分类概述:重点介绍了4种降低计算开销的性能评估方法,2类典型的神经结构搜索空间以及基于离散空间和基于连续空间的2种搜索策略。基于连续空间的NAS算法正逐渐成为NAS算法的重要发展方向。
|
| 关 键 词： | 神经结构搜索 深度学习 强化学习 |
A survey of neural architecture search |
| |
| HE Mingjie,ZHANG Jie,SHAN Shiguang.A survey of neural architecture search[J].Telecommunications Science,2019,35(5):43-50. |
| |
| Authors: | HE Mingjie ZHANG Jie SHAN Shiguang |
| |
| Affiliation: | (Key Lab of Intelligent Information Processing. Institute of Computing Technology Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China) |
| |
| Abstract: | HE Mingjie;ZHANG Jie;SHAN Shiguang(Key Lab of Intelligent Information Processing. Institute of Computing Technology Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China) |
| |
| Keywords: | neural architecture search deep learning reinforcement learning |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
