文献

J-GLOBAL ID：202202250274371072   整理番号：22A0836266

MR-DARTS:多経路探索空間における制限された連結性微分可能アーキテクチャ探索【JST・京大機械翻訳】

MR-DARTS: Restricted connectivity differentiable architecture search in multi-path search space

著者 (4件)： Gao Feng (State Key Laboratory of Integrated Services Networks, Xidian University, 710071, China) ,  Song Bin (State Key Laboratory of Integrated Services Networks, Xidian University, 710071, China) ,  Wang Dan (State Key Laboratory of Integrated Services Networks, Xidian University, 710071, China) ,  Qin Hao (State Key Laboratory of Integrated Services Networks, Xidian University, 710071, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 482  ページ： 27-39  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 有効なネットワークアーキテクチャを高速に見つけるために,微分可能な探索方法を用いることができる。しかし,これらのアプローチは,検索アーキテクチャを評価するとき,特に異なるデータセットに転送後の検索アーキテクチャを評価する際に,低い精度を伴う。2つの理由はこの現象を説明できる。1つは,セルから成るネットワークが,探索と評価段階の間の構造において,深さギャップを持つことである。もう1つは,細胞が多様な特徴を抽出するための不十分な能力を持つことである。本論文では,多経路探索空間と制限接続アルゴリズムを用いて,限られた資源でより正確な探索を行うため,これらの重要な問題に対処するマルチパス制限DARTS法を提案した。制限連結性アルゴリズムは,セル構造を深めて,深さギャップを埋めるために,深いネットワークのために細胞をより好適にする。マルチパス探索空間は,ネットワークの表現能力を改善するために,異なるスケール特徴を抽出および融合することを可能にする。本手法は,CIFAR10とCIFAR100において,最小パラメータ(2.5Mだけ)で最先端の性能を達成し,複雑なデータセットにおける強い転送学習能力を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ネットワーク ,  精度 ,  *微分 ,  *空間 ,  連結性 ,  *計算機アーキテクチャ ,  ネットワークアーキテクチャ
準シソーラス用語： 探索空間 ,  *多経路 ,  学習能力 , 【Automatic Indexing@JST】

著者キーワード (3件)： 神経アーキテクチャ探索 ,  制限された連結性アルゴリズム ,  多経路探索空間

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： MR ,  多経路 ,  探索空間 ,  制限 ,  連結性 ,  微分 ,  アーキテクチャ ,  探索