$μ$DARTS: 모델 불확실성 인지형 미분형 아키텍처 탐색

우리는 높은 정확도와 낮은 불확실성을 동시에 달성할 수 있도록 신경망을 최적화하는 모델 불확실성 인식형 미분 가능한 아키텍처 탐색(μDARTS)을 제안한다. μDARTS에서는 DARTS 셀 내부에 컨크리트 드롭아웃(Concrete Dropout)을 도입하고, 학습 손실에 몬테카를로 정규화 항을 포함하여 컨크리트 드롭아웃 확률을 최적화한다. 검증 손실에 예측 분산 항을 도입함으로써 모델 불확실성이 최소화되는 아키텍처 탐색이 가능하도록 한다. CIFAR10, CIFAR100, SVHN 및 ImageNet에서의 실험 결과는 기존 DARTS 방법에 비해 μDARTS가 정확도 향상과 불확실성 감소 측면에서 효과적임을 입증한다. 또한, μDARTS를 통해 도출된 최종 아키텍처는 기존 DARTS 방법을 통해 얻은 아키텍처보다 입력 이미지 및 모델 파라미터에 대한 노이즈에 더 높은 강건성을 보인다.