抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ニューラルアーキテクチャ探索(NAS)は,ニューラルアーキテクチャ設計を自動化する能力により,大きな人気を得ている。訓練なしのNASを実現するためには,多くの訓練フリーメトリックが最近提案され,従って,NASをよりスケーラブルにする。それらの競合経験的性能にもかかわらず,これらの訓練フリーメトリックの統一理論的理解は不足している。結果として,(a)これらの計量間の関係は不明瞭であり,(b)それらの経験的性能の理論的解釈はなく,(c)既存の訓練フリーNASにおける未利用の可能性が存在し,これはおそらく統一された理論的理解を通して明らかにできる。この目的のために,本論文では,(a)理論的にそれらの関係,(b)理論的にそれらの一般化性能を保証することを可能とする勾配ベース訓練フリーNASの統一理論解析を提示し,(c)原理的に訓練フリーNASを一貫してブーストするハイブリッドNAS(HNAS)と名付けた新しいフレームワークを開発するための統一理論的理解を利用した。注目すべきことに,HNASは,訓練フリー(すなわち,優れた探索効率)と訓練ベース(すなわち,顕著な探索効率)NASの両方の利点を楽しめることができ,これは,広範な実験を通して実証されている。【JST・京大機械翻訳】