DQNAS：基于强化学习的神经架构搜索
机器学习
2023-01-18 v1 人工智能
摘要
卷积神经网络（Convolutional Neural Networks）自因ImageNet竞赛而流行以来，已用于多种与图像相关的应用。卷积神经网络在人脸识别、运动目标检测与跟踪、基于热量内容的食品分类等诸多应用中取得了显著成果。卷积神经网络的设计需要具有跨领域知识的专家，且十分费力，需要大量时间来测试不同超参数的不同取值，并考虑现有架构的不同配置。神经架构搜索（Neural Architecture Search）是一种自动生成神经网络架构的方法，使研究者免于所有暴力测试之苦，但缺点是长时间消耗大量计算资源。本文提出一种自动化的神经架构搜索框架DQNAS，以强化学习原则和一次性训练（One-shot Training）为指导，旨在生成具有优越性能且可扩展性问题最小的神经网络架构。
引用
@article{arxiv.2301.06687,
title = {DQNAS: Neural Architecture Search using Reinforcement Learning},
author = {Anshumaan Chauhan and Siddhartha Bhattacharyya and S. Vadivel},
journal= {arXiv preprint arXiv:2301.06687},
year = {2023}
}
备注
15 Pages, 6 Tables, 9 figures