Jun, 2023

ArchGym：面向机器学习辅助建筑设计的开源健身房

PDF
TL;DR本文介绍了 ArchGym，一个连接多种搜索算法和架构模拟器的易于扩展的开放源码的 gym。研究结果表明，使用 ML 算法在设计定制 SoC 等领域无论采用哪种 ML 方法，只要调整好超参数，就能达到用户定义的目标规范，无明显差异，并将这种情况称为超参数彩票。
machine learningdesign space explorationarchgymhyperparameter lotterycustom soc
发现论文，激发创造
  • DeepArchitect: 自动设计和训练深层体系结构

    本文提出一种可自动设计、训练深度神经网络的框架，通过自动配置架构和超参数进行模型搜索，实现了对复杂搜索空间的高效探索，并展示了随机搜索、蒙特卡罗树搜索和顺序模型优化等多种模型搜索算法在 CIFAR-10 数据集上的比较试验结果。

    Apr, 2017

  • 自动图机器学习：方法、库和方向

    本文全面介绍了自动图机器学习的方法与技术，包括超参数优化和神经架构搜索等领域。同时，我们介绍了 AutoGL 库作为全球首个面对自动图机器学习的开源库，并探讨了自动图机器学习未来的研究方向。

    Jan, 2022

  • 手术健身房：基于高性能 GPU 的机器人手术加强学习平台

    机器人辅助手术的进展使得手术变得更加精确、高效和微创，从而引发了机器人手术干预的新时代。本文介绍了 Surgical Gym，这是一个开源、高性能的外科机器人学习平台，通过在 GPU 上直接进行物理模拟和强化学习，实现了 100-5000 倍的更快训练时间与之前的外科学习平台相比。

    Oct, 2023

  • 神经架构搜索综述

    本文综述了现有的方法，囊括了计算机领域中的神经体系结构搜索、自动化方法和深度学习等方面，内容包括常用的体系结构搜索空间和基于强化学习和进化算法的体系结构优化算法、模拟模型和单次模型。同时，文章对新的研究方向进行了探讨。

    May, 2019

  • EduGym：强化学习教育环境套件

    通过 EduGym 这一套教育性的强化学习环境和配套的交互式笔记本，该研究旨在帮助学生更好地理解强化学习的概念和实践，通过提供特定挑战方面的环境和解决方案，从而提高教学效果。

    Nov, 2023

  • ADGym: 深度异常检测的设计选择

    该论文介绍了 ADGym，这是一个专为深度方法中的异常检测设计元素进行全面评估和自动选择而设计的平台。通过广泛的实验，表明仅仅采用现有的先进方法并不理想，使用 ADGym 构建的模型显著超越目前最先进的技术。

    Sep, 2023

  • 面向模块化和可编程化的架构搜索

    本文提出一种编码通用计算图上的搜索空间的正式语言，解决了目前基于深度学习架构搜索的特定应用和通用超参数优化系统之间的折衷问题。该语言的结构使我们能够编写模块化、可组合和可重用的搜索空间，并在不同搜索空间和优化算法的组合中自由实验，而不必从头实现每个组合。我们在文中公开了该语言的实现。

    Sep, 2019

  • 安全体育场：统一的安全强化学习基准

    这篇论文介绍了一个名为 Safety-Gymnasium 的环境套件和一个名为 Safe Policy Optimization 的算法库，其中包含了 16 种最先进的安全强化学习算法，旨在促进安全性能的评估和比较，并推动强化学习在更安全、更可靠和负责任的实际应用中的发展。

    Oct, 2023

  • MARS-Gym: 一个用于模拟、训练和评估市场推荐系统的 Gym 框架

    提出了用于在市场环境下进行推荐的强化学习代理的开放源代码框架 MARS-Gym，以便研究人员和工程师可以快速构建和评估推荐代理，并提供了基线代理的实现方法。同时，通过使用 Trivago 市场数据集，我们基于度量标准对多个基线代理进行了综合评估，揭示了推荐、异步策略估计和公平性等可用度量标准。我们期望 MARS-Gym 能够弥合学术研究和实际应用之间的差距，促进新算法和应用的设计。

    Sep, 2020

  • NovelGym：面向开放世界的混合规划和学习智能体的灵活生态系统

    AI agents are leaving the lab and entering the real world, and the paper introduces NovelGym, a platform for benchmarking reinforcement learning and hybrid planning and learning agents in open-world contexts.

    Jan, 2024