适应数据集的神经网络：学习网络规模与拓扑结构
机器学习
2020-07-16 v2 计算机视觉与模式识别
机器学习
摘要
我们引入了一种灵活的框架，允许神经网络在标准基于梯度的训练过程中同时学习其规模和拓扑结构。所得网络具有为特定学习任务和数据集量身定制的图结构。所得网络也可以从头开始训练，并达到几乎相同的性能。我们在多个难度各异的数据集上探索了网络架构的属性，观察到了系统性的规律。因此，所得的图可以被理解为编码了特定分类任务的非平凡特征。
引用
@article{arxiv.2006.12195,
title = {Neural networks adapting to datasets: learning network size and topology},
author = {Romuald A. Janik and Aleksandra Nowak},
journal= {arXiv preprint arXiv:2006.12195},
year = {2020}
}
备注
Fixed blank page