Scifaro

中文

MONCAE：卷积自编码器的多目标神经进化

神经与进化计算 2021-06-23 v1 机器学习

作者: Daniel Dimanov , Emili Balaguer-Ballester , Colin Singleton , Shahin Rostami

在 arXiv 上查看 ↗ PDF ↗

摘要

本文提出一种新颖的神经进化方法，用于识别卷积自编码器的架构与超参数。值得注意的是，据我们所知，我们首次在自编码器的神经架构搜索中使用了超体积指标。结果表明，图像被压缩了超过 10 倍，同时仍保留足够信息以对大多数任务实现图像分类。因此，这一新方法可用于加速面向图像压缩的 AutoML 流水线。

关键词

神经进化卷积自编码器多目标优化超体积指标神经架构搜索图像压缩

引用

@article{arxiv.2106.11914,
  title  = {MONCAE: Multi-Objective Neuroevolution of Convolutional Autoencoders},
  author = {Daniel Dimanov and Emili Balaguer-Ballester and Colin Singleton and Shahin Rostami},
  journal= {arXiv preprint arXiv:2106.11914},
  year   = {2021}
}

备注

Published as a Poster paper in ICLR 2021 Neural Architecture Search workshop