Jun, 2023

基于连续的笛卡尔遗传编程的多目标神经网络架构搜索表示

PDF
TL;DR本研究介绍了一种新的方法，利用笛卡尔遗传编程来实现神经结构搜索，并通过多目标进化算法（MOEA）在连续域中进行优化，提出了两种变体，这些变体在粒度上的考虑不同，经实验结果证明，相对于目前最先进的提议，本文提出的方法在分类性能和模型复杂度方面具有竞争力。
发现论文，激发创造
  • 一种用遗传编程设计卷积神经网络体系结构的方法

    本文介绍了一种使用 Cartesian 遗传编程自动构建卷积神经网络结构的方法，并通过将其应用于 CIFAR-10 数据集的图像分类任务验证了该方法的有效性。

    Apr, 2017

  • 在动态搜索空间中利用有限 GPU 时间优化神经架构搜索：基于基因表达编程的方法

    本文提出了一种基于进化的神经架构搜索方法，利用基因表达式编程来进行卷积神经网络结构的发现，获得了良好的结果，同时也鼓励在进化的神经架构搜索中进行更多的实验。

    May, 2020

  • NSGA-Net：使用多目标遗传算法的神经结构搜索

    本文介绍了 NSGA-Net，一种多目标优化的神经架构搜索算法，它通过使用前人先验知识，遗传算法（交叉和突变）以及贝叶斯网络等方式实现了对潜在神经网络结构的高效探索，从而找到一组多样的交换网络体系结构，并在 CIFAR-10 数据集上取得了与当前最先进的 NAS 方法相媲美的性能。

    Oct, 2018

  • CGP++：一个现代 C++ 实现的笛卡尔遗传编程

    我们提出了 CGP 的现代 C++ 实现的第一个版本，追求面向对象的设计和通用编程范式，以提供一种高效的实现模型，可以方便地在 CGP 领域中发现新的问题领域和实现长期提出的复杂高级方法，从而促进 CGP 领域的解释性、可访问性和再现性。

    Jun, 2024

  • 通过进化多目标神经结构搜索设计新颖的认知诊断模型

    通过进化多目标神经架构搜索 (NAS) 自动设计新型认知诊断模型，设计模型具有更好的性能和人工设计模型一样的可解释性。

    Jul, 2023

  • 搜索搜索空间：元进化神经网络的几何编码

    使用笛卡尔遗传编程优化间接编码方法中基因与权重之间的距离函数，提高了 GENE 在神经网络演化中的表现。

    Mar, 2024

  • NSGANetV2: 进化多目标代理辅助神经架构搜索

    本文提出了一种高效的 NAS 算法，用于生成具有多个竞争目标的任务特定模型，在标准基准数据集上表现优异，且搜索效率大幅提高，并在六个不同的非标准数据集上证明了该方法的有效性和多样性。

    Jul, 2020

  • CARS：高效神经结构搜索的不间断进化

    本论文提出一种高效的连续演化方法用于搜索神经网络，该方法在优化神经网络的同时，使用优化后的神经网络在下一次的演化中，大大地加速了网络生成的效率。实验表明，该方法产生的神经网络在 mobile 设置下，参数数量在 3.7M 到 5.1M 之间不等，在 ImageNet 数据集上的表现超过了目前已有的先进方法。

    Sep, 2019

  • 渐进式神经架构搜索

    提出了使用序贯模型优化（SMBO）策略的 CNN 网络结构学习方法，与现有的强化学习和进化算法相比更加高效，并在 CIFAR-10 和 ImageNet 数据集上取得了新的最佳分类精度。

    Dec, 2017

  • 基因卷积神经网络

    本文讨论深度卷积神经网络的自动学习，使用遗传算法提高识别准确性，并在两个小型数据集上证明其有效性，并将结构传输到大型数据集上。

    Mar, 2017