面向深度神经网络架构搜索的元强化学习综述
机器学习
2018-12-20 v1 人工智能
摘要
深度神经网络是高效且灵活的模型，在图像、语音识别与自然语言理解等多种任务上表现良好。特别地，卷积神经网络（CNN）在计算机视觉尤其是分类任务中引起研究者的浓厚兴趣。CNN 架构及相关超参数通常与所处理任务的性质相关，因为网络提取复杂且相关的特征以实现最优收敛。设计此类架构需要大量人类专业知识、可观的计算时间，且并不总能导向最优网络。模型配置主题在机器学习中已被广泛研究，却未形成标准的自动化方法。本综述聚焦于回顾与讨论自动化 CNN 架构搜索的当前进展。
引用
@article{arxiv.1812.07995,
title = {A Review of Meta-Reinforcement Learning for Deep Neural Networks Architecture Search},
author = {Yesmina Jaafra and Jean Luc Laurent and Aline Deruyver and Mohamed Saber Naceur},
journal= {arXiv preprint arXiv:1812.07995},
year = {2018}
}