A Neural Architecture Search Method using Auxiliary Evaluation Metric based on ResNet Architecture

要約

本稿では、ResNetをフレームワークとして用いたニューラル・アーキテクチャの探索空間を提案する。探索目的には、畳み込み、プーリング、完全接続層、残差ネットワークの接続性などのパラメータが含まれる。本論文では、認識精度に加え、検証集合における損失値を最適化の副次的な目的として用いる。実験結果は、MNIST、Fashion-MNIST、CIFAR100データセットにおいて、本稿の探索空間と最適化アプローチにより、競争力のあるネットワークアーキテクチャを発見できることを示している。

要約(オリジナル)

This paper proposes a neural architecture search space using ResNet as a framework, with search objectives including parameters for convolution, pooling, fully connected layers, and connectivity of the residual network. In addition to recognition accuracy, this paper uses the loss value on the validation set as a secondary objective for optimization. The experimental results demonstrate that the search space of this paper together with the optimisation approach can find competitive network architectures on the MNIST, Fashion-MNIST and CIFAR100 datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL