論文の概要: Evolutionary Architecture Search through Grammar-Based Sequence Alignment
- arxiv url: http://arxiv.org/abs/2512.04992v1
- Date: Thu, 04 Dec 2025 16:57:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:46.286773
- Title: Evolutionary Architecture Search through Grammar-Based Sequence Alignment
- Title（参考訳）: 文法に基づくシーケンスアライメントによる進化的アーキテクチャ探索
- Authors: Adri Gómez Martín, Felix Möller, Steven McDonagh, Monica Abella, Manuel Desco, Elliot J. Crowley, Aaron Klein, Linus Ericsson,
- Abstract要約: 局所配列アライメントのためのSmith-Watermanアルゴリズムの2つの適応版を導入し、文法に基づく進化的アーキテクチャ探索において編集距離を計算する。
我々は,従来の作業よりも計算の複雑さを大幅に改善し,アーキテクチャ間の最短経路を効率的に計算する方法について強調する。
今後の作業は、この新しいツールの上に構築され、ニューラルアーキテクチャ設計全体にわたってより広範囲に使用できる新しいコンポーネントを発見し、NASを超えてそのアプリケーションを広げる。
- 参考スコア（独自算出の注目度）: 8.631577300185961
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neural architecture search (NAS) in expressive search spaces is a computationally hard problem, but it also holds the potential to automatically discover completely novel and performant architectures. To achieve this we need effective search algorithms that can identify powerful components and reuse them in new candidate architectures. In this paper, we introduce two adapted variants of the Smith-Waterman algorithm for local sequence alignment and use them to compute the edit distance in a grammar-based evolutionary architecture search. These algorithms enable us to efficiently calculate a distance metric for neural architectures and to generate a set of hybrid offspring from two parent models. This facilitates the deployment of crossover-based search heuristics, allows us to perform a thorough analysis on the architectural loss landscape, and track population diversity during search. We highlight how our method vastly improves computational complexity over previous work and enables us to efficiently compute shortest paths between architectures. When instantiating the crossover in evolutionary searches, we achieve competitive results, outperforming competing methods. Future work can build upon this new tool, discovering novel components that can be used more broadly across neural architecture design, and broadening its applications beyond NAS.
- Abstract（参考訳）: 表現型検索空間におけるニューラルアーキテクチャサーチ(NAS)は計算的に難しい問題であるが、完全に新規でパフォーマンスの高いアーキテクチャを自動的に発見する可能性も持っている。
これを実現するためには、強力なコンポーネントを識別し、それらを新しい候補アーキテクチャで再利用する効率的な検索アルゴリズムが必要である。
本稿では、局所配列アライメントのためのSmith-Watermanアルゴリズムの2つの適応版を導入し、文法に基づく進化的アーキテクチャ探索において編集距離を計算する。
これらのアルゴリズムにより、ニューラルネットワークの距離メトリックを効率的に計算し、2つの親モデルから1組のハイブリッド子孫を生成することができる。
これにより、クロスオーバーに基づく探索ヒューリスティックスの展開が容易になり、建築的損失の景観を徹底的に分析し、探索中に個体数の多様性を追跡することができる。
我々は,従来の作業よりも計算の複雑さを大幅に改善し,アーキテクチャ間の最短経路を効率的に計算する方法について強調する。
進化的探索におけるクロスオーバーのインスタンス化では、競合する手法よりも優れた競合結果が得られる。
今後の作業は、この新しいツールの上に構築され、ニューラルアーキテクチャ設計全体にわたってより広範囲に使用できる新しいコンポーネントを発見し、NASを超えてそのアプリケーションを広げる。
関連論文リスト
- HHNAS-AM: Hierarchical Hybrid Neural Architecture Search using Adaptive Mutation Policies [5.689917817957284]
HHNAS-AMは,多様なアーキテクチャ構成を効率的に探索する新しい手法である。
提案手法では,前回の反復からの性能フィードバックに基づいて動的に適応する突然変異戦略を採用している。
データベースID(db_id)予測タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-08-20T09:56:32Z) - Spectral Architecture Search for Neural Network Models [0.0]
本稿では,層間転送行列のスペクトル特性を利用した新しいアーキテクチャ探索プロトコルを提案する。
提案手法は, 最小限の表現率を有する自己創出型アーキテクチャで, 調査対象のタスクを処理可能であることを示す。
論文 参考訳（メタデータ） (2025-04-01T15:14:30Z) - 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) - XC-NAS: A New Cellular Encoding Approach for Neural Architecture Search
of Multi-path Convolutional Neural Networks [0.4915744683251149]
本稿では,画像とテキストの分類タスクにおいて,深さ,幅,複雑さの異なる新しいマルチパスCNNアーキテクチャを進化させるアルゴリズムを提案する。
代用モデルアプローチを用いることで、1日以内のGPUで高性能CNNアーキテクチャを進化させることができることを示す。
実験の結果,アルゴリズムは競争力が高く,いくつかの最先端手法を破り,画像領域とテキスト領域の両方に一般化可能であることがわかった。
論文 参考訳（メタデータ） (2023-12-12T22:03:11Z) - Construction of Hierarchical Neural Architecture Search Spaces based on
Context-free Grammars [66.05096551112932]
文脈自由文法に基づく統一検索空間設計フレームワークを提案する。
それらの特性の強化と利用により,完全なアーキテクチャの探索を効果的に行うことができる。
既存のニューラルアーキテクチャ検索手法よりも検索戦略が優れていることを示す。
論文 参考訳（メタデータ） (2022-11-03T14:23:00Z) - Pruning-as-Search: Efficient Neural Architecture Search via Channel
Pruning and Structural Reparameterization [50.50023451369742]
プルーニング・アズ・サーチ(Pruning-as-Search、PaS)は、必要なサブネットワークを自動的に効率的に検索するエンドツーエンドのプルーニング手法である。
提案したアーキテクチャは,ImageNet-1000分類タスクにおいて,1.0%$ Top-1精度で先行技術より優れていた。
論文 参考訳（メタデータ） (2022-06-02T17:58:54Z) - Learning Interpretable Models Through Multi-Objective Neural
Architecture Search [0.9990687944474739]
本稿では,タスク性能と「イントロスペクタビリティ」の両方を最適化するフレームワークを提案する。
タスクエラーとイントロスペクタビリティを共同で最適化することは、エラー内で実行されるより不整合でデバッグ可能なアーキテクチャをもたらすことを実証する。
論文 参考訳（メタデータ） (2021-12-16T05:50:55Z) - DAAS: Differentiable Architecture and Augmentation Policy Search [107.53318939844422]
この研究は、ニューラルネットワークとデータ拡張のカップリングの可能性を検討し、それらを共同で検索する効果的なアルゴリズムを提案する。
CIFAR-10では97.91%、ImageNetデータセットでは76.6%の精度で97.91%の精度を達成し、検索アルゴリズムの優れた性能を示している。
論文 参考訳（メタデータ） (2021-09-30T17:15:17Z) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳（メタデータ） (2021-03-22T13:28:56Z) - 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)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。