深層学習に関連した研究
NAS (Neural Architecture Search) は、活性化関数、接続などを含む最適なアーキテクチャを探索する問題です。 画像認識や物体検出など、コンピュータビジョンの多くの場面で応用されています。 また、ENAS(Efficient Neural Architecture Search via Parameter Sharing)やDarts(DARTS: Differentiable Architecture Search)など、NASに適用されるアルゴリズムも様々提案されています。 本研究では、ニューラルネットワークの評価として複数の指標を組み合わせるベイズ法を適用し、 異なるデータセットにおけるニューラルネットワークのアーキテクチャを探索するTrueSkillとtraining-free prune-based algorithm(TTNAS)を導入します。 本アルゴリズムは、いくつかのデータセットにおいて、最先端の研究と比較して高い精度と効率性を実現しています。