等级神经结构搜索的新进化进化算法 (A Novel Evolutionary Algorithm for Hierarchical Neural Architecture Search)

In this work, we propose a novel evolutionary algorithm for neural architecture search, applicable to global search spaces. The algorithm's architectural representation organizes the topology in multiple hierarchical modules, while the design process exploits this representation, in order to explore the search space. We also employ a curation system, which promotes the utilization of well performing sub-structures to subsequent generations. We apply our method to Fashion-MNIST and NAS-Bench101, achieving accuracies of $93.2\%$ and $94.8\%$ respectively in a relatively small number of generations.

翻译：在这项工作中,我们提出了适用于全球搜索空间的神经结构搜索新进化算法,该算法的建筑代表性将地形学组织成多个等级模块,而设计过程则利用这一结构来探索搜索空间。我们还采用了一种分类系统,促进后代人利用运作良好的次级结构。我们采用的方法是时尚-MNIST和NAS-Bench101,在相对较少的几代人中分别达到93.2美元和94.8美元。

相关内容

Fashion MNIST (数据集)

关注 3

FashionMNIST 是一个替代 MNIST 手写数字集的图像数据集。它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。FashionMNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致。60000/10000 的训练测试数据划分，28x28 的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。