基于强化学习的稀疏集成卷积神经网络分类器
机器学习
2021-02-09 v1 人工智能
计算机视觉与模式识别
摘要
我们考虑以最小作用量原理为启发的目标函数进行卷积神经网络（CNN）集成学习；该目标函数包含资源消耗项。我们教导一个智能体通过一组预训练分类器感知图像，并希望所得动态配置系统以对应最少操作数与最大期望精度的轨迹展开计算图。所提智能体架构借助强化学习隐式逼近所需的分类器选择函数。实验结果表明，若智能体利用计算的动态（且依赖上下文的）结构，其性能优于常规集成学习。
引用
@article{arxiv.2102.03921,
title = {Sparsely ensembled convolutional neural network classifiers via reinforcement learning},
author = {Roman Malashin},
journal= {arXiv preprint arXiv:2102.03921},
year = {2021}
}