Fugu-MT 論文翻訳(概要): A Neural Architecture Search Method using Auxiliary Evaluation Metric based on ResNet Architecture

論文の概要: A Neural Architecture Search Method using Auxiliary Evaluation Metric based on ResNet Architecture

arxiv url: http://arxiv.org/abs/2505.01313v1
Date: Fri, 02 May 2025 14:39:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-05 17:21:20.06322
Title: A Neural Architecture Search Method using Auxiliary Evaluation Metric based on ResNet Architecture
Title（参考訳）: ResNetアーキテクチャに基づく補助評価指標を用いたニューラルネットワーク探索手法
Authors: Shang Wang, Huanrong Tang, Jianquan Ouyang,
Abstract要約: 本稿では,ResNetをフレームワークとして,畳み込み,プーリング,完全連結層,残余ネットワークの接続パラメータを含む探索対象とするニューラルネットワーク探索空間を提案する。実験により,MNIST,Fashion-MNIST,CIFAR100データセット上で,本論文の検索空間と最適化手法が競合するネットワークアーキテクチャを見出すことができた。
参考スコア（独自算出の注目度）: 2.498836880652668
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a neural architecture search space using ResNet as a framework, with search objectives including parameters for convolution, pooling, fully connected layers, and connectivity of the residual network. In addition to recognition accuracy, this paper uses the loss value on the validation set as a secondary objective for optimization. The experimental results demonstrate that the search space of this paper together with the optimisation approach can find competitive network architectures on the MNIST, Fashion-MNIST and CIFAR100 datasets.
Abstract（参考訳）: 本稿では,ResNetをフレームワークとして,畳み込み,プーリング,完全連結層,残余ネットワークの接続パラメータを含む探索対象とするニューラルネットワーク探索空間を提案する。本稿では,認識精度に加えて,検証セット上の損失値を最適化の二次目的として利用する。実験により,MNIST,Fashion-MNIST,CIFAR100データセット上で,本論文の検索空間と最適化手法が競合するネットワークアーキテクチャを見出すことができた。

関連論文リスト

EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [20.209756662832365]
微分可能なニューラルアーキテクチャサーチ(DARTS)は、高い探索効率でアーキテクチャ設計のマニュアルプロセスを自動化する。眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。 EM-DARTSは、最先端の認識性能につながる最適なアーキテクチャを実現できることを示す。
論文参考訳（メタデータ） (2024-09-22T13:11:08Z)
Multi-Objective Neural Architecture Search for In-Memory Computing [0.5892638927736115]
我々は、インメモリコンピューティングアーキテクチャに多様な機械学習(ML)タスクをデプロイする効率を高めるために、ニューラルネットワークサーチ(NAS)を採用している。 IMCアーキテクチャ展開のためのNASアプローチの評価は、3つの異なる画像分類データセットにまたがる。
論文参考訳（メタデータ） (2024-06-10T19:17:09Z)
ResBuilder: Automated Learning of Depth with Residual Structures [5.172964916120902]
Resbuilderと呼ばれるニューラルネットワーク検索アルゴリズムを開発し、ResNetアーキテクチャをゼロから開発する。 Resbuilderは、市販のResNetと比較して計算コストを削減しつつ、最先端のパフォーマンスに近いパフォーマンスを実現している。本研究では,本手法の既定パラメータを,プロプライエタリな不正検出データセットに適用することにより,産業応用にも応用できることを実証する。
論文参考訳（メタデータ） (2023-08-16T16:58:25Z)
Probeable DARTS with Application to Computational Pathology [44.20005949950844]
我々は、その効率のために微分可能なアーキテクチャサーチ(DARTS)を使用している。次に、最適なネットワークアーキテクチャを探索することで、CPathアプリケーションに検索フレームワークを適用します。その結果,検索したネットワークは,予測精度と複雑性の観点から,最先端ネットワークよりも優れていた。
論文参考訳（メタデータ） (2021-08-16T02:16:06Z)
Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
論文参考訳（メタデータ） (2021-04-09T02:40:01Z)
Neural Architecture Search From Task Similarity Measure [28.5184196829547]
フィッシャー情報の観点から定義された様々なタスク間の類似度測定に基づくニューラルネットワークアーキテクチャ検索フレームワークを提案する。目標と既存のタスクの集合との関係を利用することで、アーキテクチャの探索空間を大幅に削減することができる。
論文参考訳（メタデータ） (2021-02-27T15:26:14Z)
Off-Policy Reinforcement Learning for Efficient and Effective GAN Architecture Search [50.40004966087121]
本稿では,GANアーキテクチャ探索のための強化学習に基づくニューラルアーキテクチャ探索手法を提案する。鍵となる考え方は、よりスムーズなアーキテクチャサンプリングのためのマルコフ決定プロセス(MDP)として、GANアーキテクチャ探索問題を定式化することである。我々は,従来の政策によって生成されたサンプルを効率的に活用する,非政治的なGANアーキテクチャ探索アルゴリズムを利用する。
論文参考訳（メタデータ） (2020-07-17T18:29:17Z)
Cyclic Differentiable Architecture Search [99.12381460261841]
微分可能なArchiTecture Search(DARTS)は、ニューラルアーキテクチャサーチにおいて大きな注目を集めている。我々はCDARTSと呼ばれる新しい共同目標と新しい周期微分可能なArchiTecture Searchフレームワークを提案する。 DARTS検索の分野では、CIFAR10で97.52%、ImageNetで76.3%、トップ1で76.3%の精度を達成した。
論文参考訳（メタデータ） (2020-06-18T17:55:19Z)
DC-NAS: Divide-and-Conquer Neural Architecture Search [108.57785531758076]
本稿では,ディープ・ニューラル・アーキテクチャーを効果的かつ効率的に探索するためのディバイド・アンド・コンカ(DC)手法を提案する。 ImageNetデータセットで75.1%の精度を達成しており、これは同じ検索空間を使った最先端の手法よりも高い。
論文参考訳（メタデータ） (2020-05-29T09:02:16Z)
A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文参考訳（メタデータ） (2020-05-14T09:02:33Z)

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。