放松 DARTS：放宽可微架构搜索约束用于眼动识别

眼动生物识别是一种安全且创新的识别方法。深度学习方法显示出良好的性能，但其网络架构依赖于手动设计和先验知识。为此，我们引入自动化网络搜索（NAS）算法到眼动识别领域，提出 Relax DARTS，这是一种改进版可微架构搜索（DARTS），以实现更高效的网络搜索和训练。关键思想是规避权重共享问题，独立训练架构参数 $\alpha$ 以实现更精确的目标架构。此外，引入模块输入权重 $\beta$ 允许细胞灵活选择输入，以缓解过拟合现象并提高模型性能。在四个公开数据库上的结果表明，Relax DARTS 实现了最先进的识别性能。值得一提的是，Relax DARTS 对其他多特征时序分类任务也表现出适应性。