使用前所未见神经架构搜索数据集的见解
机器学习
2024-04-04 v1 人工智能
计算机视觉与模式识别
摘要
可用于解决问题的神经网络具有无限的可能性——每个网络具有不同的性能——这导致需要深度学习专家来识别最佳神经网络。这与消除对专家需求的期望背道而驰。神经架构搜索（NAS）通过自动识别最佳架构提供了一种解决方案。然而，迄今为止，NAS 的工作集中在少量数据集上，我们认为这些数据集不能代表现实世界的问题。我们引入了为一系列 NAS 挑战赛创建的八个新数据集：AddNIST、Language、MultNIST、CIFARTile、Gutenberg、Isabella、GeoClassing 和 Chesseract。开发这些数据集和挑战赛旨在引导人们关注 NAS 开发中的问题，并鼓励作者思考其模型在开发时未知的数据集上的表现。我们展示了使用标准深度学习方法的实验以及挑战赛参与者的最佳结果。
引用
@article{arxiv.2404.02189,
title = {Insights from the Use of Previously Unseen Neural Architecture Search Datasets},
author = {Rob Geada and David Towers and Matthew Forshaw and Amir Atapour-Abarghouei and A. Stephen McGough},
journal= {arXiv preprint arXiv:2404.02189},
year = {2024}
}