Fugu-MT 論文翻訳(概要): Trends in Neural Architecture Search: Towards the Acceleration of Search

論文の概要: Trends in Neural Architecture Search: Towards the Acceleration of Search

arxiv url: http://arxiv.org/abs/2108.08474v1
Date: Thu, 19 Aug 2021 03:29:37 GMT
ステータス: 処理完了
システム内更新日: 2021-08-20 14:24:27.681358
Title: Trends in Neural Architecture Search: Towards the Acceleration of Search
Title（参考訳）: ニューラルアーキテクチャサーチのトレンド:サーチの加速に向けて
Authors: Youngkee Kim, Won Joon Yun, Youn Kyu Lee, Soyi Jung, and Joongheon Kim
Abstract要約: ニューラルアーキテクチャサーチ(NAS)の主な研究トレンドは、神経進化アルゴリズム、強化学習に基づくアルゴリズム、ワンショットアーキテクチャサーチアプローチに分類される。 NAS研究動向の今後の研究方向性について論じる。
参考スコア（独自算出の注目度）: 11.129098079227498
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In modern deep learning research, finding optimal (or near optimal) neural network models is one of major research directions and it is widely studied in many applications. In this paper, the main research trends of neural architecture search (NAS) are classified as neuro-evolutionary algorithms, reinforcement learning based algorithms, and one-shot architecture search approaches. Furthermore, each research trend is introduced and finally all the major three trends are compared. Lastly, the future research directions of NAS research trends are discussed.
Abstract（参考訳）: 現代のディープラーニング研究において、最適(もしくは最適に近い)ニューラルネットワークモデルを見つけることは主要な研究方向の一つであり、多くの応用で広く研究されている。本稿では,ニューラル・アーキテクチャ・サーチ(nas)の主な研究動向を,ニューラル・進化アルゴリズム,強化学習に基づくアルゴリズム,ワンショット・アーキテクチャ・サーチアプローチに分類する。さらに、各研究動向を紹介し、最後に主要な3つの傾向を比較する。最後に,NAS研究動向の今後の研究方向性について論じる。

関連論文リスト

Efficient Automation of Neural Network Design: A Survey on Differentiable Neural Architecture Search [70.31239620427526]
微分可能なニューラルネットワーク探索(DNAS)は、ディープニューラルネットワークアーキテクチャの発見を自動化するトレンドのアプローチとして、急速に自らを強制した。この増加は主に、最初の主要なDNAS法の一つであるDARTSの人気が原因である。本総説では,DNASに特に焦点をあて,最近のアプローチを概観する。
論文参考訳（メタデータ） (2023-04-11T13:15:29Z)
HiveNAS: Neural Architecture Search using Artificial Bee Colony Optimization [0.0]
本研究では,ニューラルネットワーク探索のための人工蜂コロニー最適化の実現可能性を評価する。提案するフレームワークであるHiveNASは、最先端のSwarm IntelligenceベースのNASフレームワークを短時間で上回ります。
論文参考訳（メタデータ） (2022-11-18T14:11:47Z)
Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文参考訳（メタデータ） (2022-07-18T11:38:32Z)
Research topic trend prediction of scientific papers based on spatial enhancement and dynamic graph convolution network [6.73620879761516]
近年,科学研究への社会投資の増加に伴い,様々な分野の研究成果が著しく増加している。様々な研究テーマ間の相関関係がますます高まっているため、多数の研究テーマの間には一定の依存関係関係がある。本稿では,ディープニューラルネットワークに基づくホットネス予測アルゴリズム,時間畳み込みネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-03-30T12:38:52Z)
Accelerating Neural Architecture Exploration Across Modalities Using Genetic Algorithms [5.620334754517149]
多目的アーキテクチャ探索を加速するために, 遺伝的アルゴリズムと軽量に訓練された客観予測器を反復サイクルで組み合わせる方法を示す。 NASの研究はコンピュータビジョンのタスクを中心に行われており、最近になって自然言語処理の急速な発展など他のモダリティも深く研究されている。
論文参考訳（メタデータ） (2022-02-25T20:01:36Z)
On the Exploitation of Neuroevolutionary Information: Analyzing the Past for a More Efficient Future [60.99717891994599]
本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
論文参考訳（メタデータ） (2021-05-26T20:55:29Z)
NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
論文参考訳（メタデータ） (2020-09-28T01:48:45Z)
Understanding the wiring evolution in differentiable neural architecture search [114.31723873105082]
識別可能なニューラルネットワーク探索手法が配線トポロジを効果的に発見するかどうかについては議論がある。既存の差別化可能なNASフレームワークの基盤メカニズムについて検討する。
論文参考訳（メタデータ） (2020-09-02T18:08:34Z)
Deep Reinforcement Learning and its Neuroscientific Implications [19.478332877763417]
強力な人工知能の出現は、神経科学の新しい研究方向を定義している。深層強化学習(Deep RL)は、学習、表現、意思決定の間の相互作用を研究するための枠組みを提供する。 Deep RLは、新しい研究ツールセットと、幅広い新しい仮説を提供する。
論文参考訳（メタデータ） (2020-07-07T19:27:54Z)
A Comprehensive Survey of Neural Architecture Search: Challenges and Solutions [48.76705090826339]
ニューラルネットワーク探索(NAS)は革命的アルゴリズムであり、関連する研究は複雑でリッチである。まず、初期のNASアルゴリズムの特徴の概要から始め、これらの初期のNASアルゴリズムの問題を要約する。さらに,これらの研究の詳細な分析,比較,要約を行う。
論文参考訳（メタデータ） (2020-06-01T13:08:03Z)
An Introduction to Neural Architecture Search for Convolutional Networks [0.0]
ニューラルアーキテクチャサーチ(英: Neural Architecture Search、NAS)は、最適化アルゴリズムを利用して最適なニューラルネットワークアーキテクチャを設計する研究分野である。我々は、畳み込みネットワークのためのNASの基本概念と、探索空間、アルゴリズム、評価技術の大きな進歩について紹介する。
論文参考訳（メタデータ） (2020-05-22T09:33:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。