图像分类器的大规模进化

ICMLMar, 2017

Large-Scale Evolution of Image Classifiers

Esteban Real, Sherry Moore, Andrew Selle, Saurabh Saxena, Yutaka Leon Suematsu...

TL;DR采用进化算法发现神经网络的架构，提出新型变异算子探索搜索空间以实现自动化，成功在 CIFAR-10 和 CIFAR-100 数据集上达到 94.6% 和 77.0% 的准确率，且无需人为干预。

Abstract

neural networks have proven effective at solving difficult problems but designing their architectures can be challenging, even for image classification problems alone. Our goal is to minimize human participation,

neural networks evolutionary algorithms image classification cifar-10 cifar-100

发现论文，激发创造

图像分类器结构搜索的正则化进化

这篇文章介绍了使用进化算法自动生成图像分类器的技术，并提出了一种改进的锦标赛选择进化算法，在同样的计算资源下超过了人类手工设计的图像分类器，并在 ImageNet 数据集上取得了优异成果。

Feb, 2018

演化深度卷积神经网络用于图像分类

本文提出了一种利用遗传算法优化深度卷积神经网络结构和连接权重初始化的图像分类算法，该算法利用一个高效的可变长度基因编码策略和新的表示方案初始化深度卷积神经网络的连接权重，并提出了一种新的适应度评估方法，实现了在少量计算资源下的快速启发式搜索，与其他 22 个现有算法相比在九个广泛应用于图像分类的任务中表现明显优越。

Oct, 2017

高效架构搜索的层次化表示

本文介绍了一种基于层次遗传表征和复杂拓扑的新颖神经体系结构搜索方法，该方法能够高效地发现优于许多手动设计模型的分类器，同时该方法通过随机搜索得到了更高的准确度并将搜索时间缩短至 1 小时。

Nov, 2017

基于遗传编程的进化深度学习用于数据高效图像分类

本文提出了一种基于遗传编程的演化深度学习方法，可以自动演化可变长度模型，同时构建有效和多样化的 ensemble 用于图像分类，具有优越的性能和解释性。

Sep, 2022

基于长度约束的卷积神经网络架构设计演化

通过限制模型长度等策略，利用搜索长度策略和基因算法进行搜索架构，从而在计算资源消耗极低的情况下取得 Cifar-10 数据集上 5.12% 的错误率。

May, 2023

Evolving CNN 拓扑结构的两个新性能改进

本文介绍了两种新方法，通过直接在训练时间上实现正则化和使用部分训练来尽早评估个体架构，有效地减少了复杂性和训练时间，从而生产出有效地 CNN 拓扑结构，提高图像识别准确率，开销减少达 20%。这两种方法均经 CIFAR10 基准数据集验证以及保持准确度。

Feb, 2021

从零开始进化机器学习算法的 AutoML

本文旨在通过引入一个新颖的框架，展示 AutoML 可以进一步通过基本数学运算作为构建块自动发现完整的机器学习算法，从而大大减少人类偏见，并通过演化搜索不同类型的任务来适应算法。

Mar, 2020

控制任务中的循环架构的神经进化

该研究提出了一种新方法，即利用少量的突变规则来动态演化循环神经网络的结构，其结果表明，这种方法可以在大多数情况下匹配或超过梯度下降方法的性能，同时使用数量级更少的参数，该方法有望在对网络紧凑性和自主设计至关重要的实际应用方面开辟新的途径。

Apr, 2023

进化与学习的熔炉

本文调查了我们团队的八项最近研究成果，探讨了进化算法与机器学习以及深度学习的成功结合，包括分类、黑盒算法生成对抗性实例等领域。

Jun, 2023

简单高效的卷积神经网络架构搜索

该研究提出了一种自动设计合适的卷积神经网络结构的方法，使用了能产生网络变形的 “山峰爬升法” 和余弦退火法，并取得了较为优异的结果。

Nov, 2017