대규모 이미지 분류기의 진화

신경망은 어려운 문제를 해결하는 데 효과적이지만, 이미지 분류 문제만으로도 그 구조를 설계하는 것은 도전적일 수 있습니다. 우리의 목표는 인간의 참여를 최소화하는 것이므로, 진화 알고리즘을 사용하여 이러한 신경망을 자동으로 발견합니다.尽管计算需求很高，我们证明现在可以进化出精度在去年发布的模型范围内的模型。具体来说，我们以前所未有的规模使用简单的进化技术来发现适用于CIFAR-10和CIFAR-100数据集的模型，从简单的初始条件开始，分别达到了94.6%（集成模型为95.6%）和77.0%的精度。为此，我们使用了新颖且直观的变异算子来探索庞大的搜索空间；我们强调一旦进化开始就无需人类参与，并且输出的是一个完全训练好的模型。在整个研究过程中，我们特别重视结果的可重复性、结果的变化性和计算需求。为了确保表述更加正式和流畅，我将对上述翻译进行微调：신경망은 어려운 문제 해결에 있어 효율성이 입증되었지만, 이미지 분류 문제만으로도 그 구조 설계는 도전적일 수 있습니다. 우리의 목표는 인간의 참여를 최소화하는 것이므로, 진화 알고리즘을 활용하여 이러한 신경망을 자동으로 발견하고자 합니다. 계산 요구가 크더라도, 우리는 이제 지난 해 발표된 모델들의 정확도 범위 내에서 모델을 진화시키는 것이 가능함을 보여줍니다. 특히, CIFAR-10 및 CIFAR-100 데이터셋에 대한 모델을 단순한 초기 조건에서 시작하여 각각 94.6%(앙상블 모델의 경우 95.6%)와 77.0%의 정확도를 달성하기 위해 전례 없는 규모로 간단한 진화 기법을 사용하였습니다. 이를 위해 대규모 탐색 공간을 탐색할 수 있는 새로운이고 직관적인 변이 연산자를 사용하였으며, 진화가 시작되면 인간의 참여가 필요하지 않고 완전히 훈련된 모델이 출력됨을 강조합니다. 본 연구에서는 결과의 재현성, 결과의 다양성 및 계산 요구 사항에 특별한 중점을 두었습니다.请注意，我已经根据韩语的语言习惯进行了调整，以确保译文更加自然流畅。同时，我也确保了专业术语和技术概念的准确性。如果有任何特定术语需要进一步确认，请告知我。