عندما يلتقي البحث عن البنية العصبية مع الأشجار: خوارزمية فعّالة للبحث عن البنية العصبية

التحدي الرئيسي في بحث الهياكل العصبية (NAS) يتمثل في تصميم طريقة ذكية لاستكشاف الفضاء البحثي الواسع. نقترح طريقة جديدة لـ NAS تُسمى TNAS (NAS باستخدام الأشجار)، التي تحسّن كفاءة البحث من خلال استكشاف عدد قليل جدًا من الهياكل، مع تحقيق دقة بحث أعلى في نفس الوقت. تعتمد TNAS على شجرة هيكلية وشجرة عمليات ثنائية، لتحليل الفضاء البحثي وتقليل حجم الاستكشاف بشكل كبير. تقوم TNAS بتنفيذ بحث عرضي ثنائي المستوى معدل في الشجرتين المقترحتين لاكتشاف هيكل عصبي عالي الأداء. ومن الملفت للانتباه أن TNAS تمكّنت من اكتشاف الهيكل المثالي عالميًا على مجموعة بيانات CIFAR-10، بتحقيق دقة اختبار تبلغ 94.37% خلال أربع ساعات باستخدام وحدة معالجة رسومات (GPU) ضمن إطار عمل NAS-Bench-201. وبلغت الدقة المتوسطة للاختبار 94.35%، وهي تفوق أحدث التقنيات الحالية. يمكن الوصول إلى الكود عبر الرابط التالي: \url{https://github.com/guochengqian/TNAS}.