| http://dbpedia.org/ontology/abstract
|
La recherche automatique d'architecture ne … La recherche automatique d'architecture neuronale (Neural Architecture Search, NAS) est un ensemble de techniques visant à découvrir automatiquement de nouveaux modèles de réseaux de neurones artificiels. Les principales méthodes employées dans la littérature sont basées soit sur de l'apprentissage par renforcement, sur de la descente de gradient ou bien sur des algorithmes génétiques. Plusieurs méthodes NAS parviennent à obtenir des architectures qui atteignent ou surpassent les performances des modèles créés à la main. La recherche automatique d'architecture neuronale se définit suivant trois axes :
* l'espace de recherche, qui représente l'ensemble des architectures candidates ainsi que les opérations qui les composent ;
* la stratégie de recherche, qui guide la manière dont la recherche s'effectue ;
* le critère (ou méthode) d'évaluation, qui estime les performances des architectures candidates. Généralement, une métrique importante à prendre en compte lors de l'évaluation d'une méthode NAS est le coût en ressources induit par la recherche d'architecture (search cost). Les procédés NAS peuvent être employés pour rechercher une variété de types de réseaux de neurones (réseaux convolutifs, réseaux récurrents ou bien autoencodeurs).réseaux récurrents ou bien autoencodeurs).
, Neural architecture search (NAS) is a tech … Neural architecture search (NAS) is a technique for automating the design of artificial neural networks (ANN), a widely used model in the field of machine learning. NAS has been used to design networks that are on par or outperform hand-designed architectures. Methods for NAS can be categorized according to the search space, search strategy and performance estimation strategy used:
* The search space defines the type(s) of ANN that can be designed and optimized.
* The search strategy defines the approach used to explore the search space.
* The performance estimation strategy evaluates the performance of a possible ANN from its design (without constructing and training it). NAS is closely related to hyperparameter optimization and meta-learning and is a subfield of automated machine learning (AutoML).ld of automated machine learning (AutoML).
, 神经结构搜索 (Neural Architecture Search, NAS) 是 … 神经结构搜索 (Neural Architecture Search, NAS) 是一种自动化设计人工神经网络（Artificial Neural Networks, ANN）这种在机器学习领域被广泛运用的模型的技术。目前，通过神经结构搜索所设计的模型的性能，已经可以达到甚至超过由人工设计的模型。 神经结构搜索的方法可以按照搜索空间、搜索策略和性能估计策略三个方面进行分类：
* 搜索空间（Search Space） 定义了可以设计和优化的人工神经网络种类；
* 搜索策略（Search Strategy） 定义了探索搜索空间的方法；
* 性能估计策略（Performance Estimation Strategy） 通过一个潜在神经网络的结构来评估其性能（不一定构建并训练这个网络）。 神经结构搜索与（英文：Hyperparameter optimization （页面存档备份，存于互联网档案馆））有着密切的联系。它也是自动机器学习（英文：Automated machine learning （页面存档备份，存于互联网档案馆））的一个子领域。machine learning （页面存档备份，存于互联网档案馆））的一个子领域。
|
| http://dbpedia.org/ontology/wikiPageID
|
56643213
|
| http://dbpedia.org/ontology/wikiPageLength
|
23070
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1123912621
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/ImageNet +
, http://dbpedia.org/resource/FLOPS +
, http://dbpedia.org/resource/Meta-learning_%28computer_science%29 +
, http://dbpedia.org/resource/Neural_Network_Intelligence +
, http://dbpedia.org/resource/Hyperparameter_optimization +
, http://dbpedia.org/resource/Convolutional_neural_network +
, http://dbpedia.org/resource/Treebank +
, http://dbpedia.org/resource/Bayesian_Optimization +
, http://dbpedia.org/resource/Category:Artificial_intelligence +
, http://dbpedia.org/resource/Multi-objective_optimization +
, http://dbpedia.org/resource/COCO_%28dataset%29 +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Cross_entropy +
, http://dbpedia.org/resource/Lamarckism +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/CIFAR-10 +
, http://dbpedia.org/resource/Long_short-term_memory +
, http://dbpedia.org/resource/Reinforcement_learning +
, http://dbpedia.org/resource/Automated_machine_learning +
, http://dbpedia.org/resource/Hill_climbing +
, http://dbpedia.org/resource/Random_search +
, http://dbpedia.org/resource/Evolutionary_algorithm +
, http://dbpedia.org/resource/Pareto_efficiency +
, http://dbpedia.org/resource/Quoc_Viet_Le +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Differentiable_computing +
, http://dbpedia.org/resource/Template:Machine_learning_bar +
, http://dbpedia.org/resource/Template:Short_description +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Artificial_intelligence +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Neural_architecture_search?oldid=1123912621&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Neural_architecture_search +
|
| owl:sameAs |
https://global.dbpedia.org/id/68kJH +
, http://www.wikidata.org/entity/Q55080142 +
, http://fr.dbpedia.org/resource/Recherche_automatique_d%27architecture_neuronale +
, http://fa.dbpedia.org/resource/%D8%AC%D8%B3%D8%AA%D8%AC%D9%88%DB%8C_%D9%85%D8%B9%D9%85%D8%A7%D8%B1%DB%8C_%D8%B9%D8%B5%D8%A8%DB%8C +
, http://zh.dbpedia.org/resource/%E7%A5%9E%E7%BB%8F%E7%BB%93%E6%9E%84%E6%90%9C%E7%B4%A2 +
, http://dbpedia.org/resource/Neural_architecture_search +
|
| rdfs:comment |
La recherche automatique d'architecture ne … La recherche automatique d'architecture neuronale (Neural Architecture Search, NAS) est un ensemble de techniques visant à découvrir automatiquement de nouveaux modèles de réseaux de neurones artificiels. Les principales méthodes employées dans la littérature sont basées soit sur de l'apprentissage par renforcement, sur de la descente de gradient ou bien sur des algorithmes génétiques. Plusieurs méthodes NAS parviennent à obtenir des architectures qui atteignent ou surpassent les performances des modèles créés à la main. La recherche automatique d'architecture neuronale se définit suivant trois axes : neuronale se définit suivant trois axes :
, 神经结构搜索 (Neural Architecture Search, NAS) 是 … 神经结构搜索 (Neural Architecture Search, NAS) 是一种自动化设计人工神经网络（Artificial Neural Networks, ANN）这种在机器学习领域被广泛运用的模型的技术。目前，通过神经结构搜索所设计的模型的性能，已经可以达到甚至超过由人工设计的模型。 神经结构搜索的方法可以按照搜索空间、搜索策略和性能估计策略三个方面进行分类：
* 搜索空间（Search Space） 定义了可以设计和优化的人工神经网络种类；
* 搜索策略（Search Strategy） 定义了探索搜索空间的方法；
* 性能估计策略（Performance Estimation Strategy） 通过一个潜在神经网络的结构来评估其性能（不一定构建并训练这个网络）。 神经结构搜索与（英文：Hyperparameter optimization （页面存档备份，存于互联网档案馆））有着密切的联系。它也是自动机器学习（英文：Automated machine learning （页面存档备份，存于互联网档案馆））的一个子领域。machine learning （页面存档备份，存于互联网档案馆））的一个子领域。
, Neural architecture search (NAS) is a tech … Neural architecture search (NAS) is a technique for automating the design of artificial neural networks (ANN), a widely used model in the field of machine learning. NAS has been used to design networks that are on par or outperform hand-designed architectures. Methods for NAS can be categorized according to the search space, search strategy and performance estimation strategy used: NAS is closely related to hyperparameter optimization and meta-learning and is a subfield of automated machine learning (AutoML).ld of automated machine learning (AutoML).
|
| rdfs:label |
神经结构搜索
, Recherche automatique d'architecture neuronale
, Neural architecture search
|
