自動(dòng)化深度學(xué)習(xí)是目前深度學(xué)習(xí)領(lǐng)域的研究熱點(diǎn),神經(jīng)架構(gòu)搜索算法是實(shí)現(xiàn)自動(dòng)化深度學(xué)習(xí)的主要方法之一,該類(lèi)算法可以通過(guò)對(duì)搜索空間、搜索策略或優(yōu)化策略進(jìn)行不同定義來(lái)自動(dòng)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。闡述進(jìn)化算法和進(jìn)化神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程,分類(lèi)介紹以進(jìn)化算法為搜索策略實(shí)現(xiàn)神經(jīng)架構(gòu)搜索的方法和過(guò)程,并比較基于進(jìn)化算法的不同神經(jīng)架構(gòu)搜索算法的特點(diǎn)和現(xiàn)狀,在此基礎(chǔ)上,對(duì)神經(jīng)架構(gòu)搜索算法的搜索空間、搜索策略以及算法的未來(lái)發(fā)展方向進(jìn)行探討和展望。 

【文章來(lái)源】：計(jì)算機(jī)工程. 2020,46(09)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
0 概述
1 神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索
2 進(jìn)化算法和進(jìn)化神經(jīng)網(wǎng)絡(luò)
    2.1 進(jìn)化算法的發(fā)展
    2.2 進(jìn)化神經(jīng)網(wǎng)絡(luò)
3 基于無(wú)梯度進(jìn)化的神經(jīng)架構(gòu)搜索算法
    3.1 基于神經(jīng)元的神經(jīng)架構(gòu)搜索算法
        3.1.1 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)固定的方式
        3.1.2 權(quán)重及其形態(tài)改變的方式
            1)NEAT的基因編碼方式
            2)NEAT的神經(jīng)網(wǎng)絡(luò)變異方式
            3)NEAT的神經(jīng)網(wǎng)絡(luò)交叉方式
    3.2 基于DNN的神經(jīng)架構(gòu)搜索算法
        3.2.1 DeepNEAT算法
        3.2.2 CoDeepNEAT算法
    3.3基于CNN的神經(jīng)架構(gòu)搜索算法
        3.3.1 Genetic CNN算法
            1)Genetic CNN的編碼方式
            2)Genetic CNN的進(jìn)化方式
        3.3.2 CGP-CNN算法
            1)CGP-CNN算法的節(jié)點(diǎn)類(lèi)型
            2)CGP-CNN的編碼方式
            3)CGP-CNN算法的進(jìn)化過(guò)程
    3.4 基于進(jìn)化算法的NAS改進(jìn)
    3.5 算法對(duì)比與分析
4 算法存在的問(wèn)題及其解決方案
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]圖像分割算法研究綜述[J]. 何俊,葛紅,王玉峰.  計(jì)算機(jī)工程與科學(xué). 2009(12)



本文編號(hào)：3186663