面向多模态深度神经网络的自监督神经架构搜索
机器学习
2026-01-01 v1 神经与进化计算
摘要
神经架构搜索 (NAS) 能够自动化深度神经网络 (DNN) 的架构设计过程，已引起越来越多的关注。需要融合多种模态特征的多模态 DNN 因其结构复杂性而受益于 NAS；然而，通过 NAS 构建多模态 DNN 的架构需要大量带标签的训练数据。因此，本文提出了一种用于多模态 DNN 架构搜索的自监督学习 (SSL) 方法。该方法将 SSL 全面应用于架构搜索和模型预训练过程。实验结果表明，所提出的方法成功地从无标签训练数据中设计了 DNN 的架构。
引用
@article{arxiv.2512.24793,
title = {Self-Supervised Neural Architecture Search for Multimodal Deep Neural Networks},
author = {Shota Suzuki and Satoshi Ono},
journal= {arXiv preprint arXiv:2512.24793},
year = {2026}
}