신경망 구조 탐색
Neural Architecture Search (NAS)는 인공 신경망(ANN)의 설계를 자동화하는 기술입니다. 이 기술의 목표는 알고리즘을 통해 네트워크 구조를 자동으로 탐색하고 최적화하여 더 효율적이고 복잡한 모델 아키텍처를 발견하는 것입니다. 이를 통해 머신 러닝 작업의 성능과 효과를 향상시킬 수 있습니다. NAS의 응용 가치는 수작업으로 파라미터를 조정하는 데 소요되는 시간 비용을 줄이는 데 있으며, 모델 설계의 효율성과 정확성을 개선합니다.
ImageNet
NAT-M4
NAS-Bench-201, ImageNet-16-120
Shapley-NAS
CIFAR-10
NAT-M4
NAS-Bench-201, CIFAR-100
Shapley-NAS
NAS-Bench-201, CIFAR-10
GenNAS
CIFAR-10 Image Classification
EEEA-Net-C (b=5)+ CO
CIFAR-100
DNA-c
NATS-Bench Topology, ImageNet16-120
GreenMachine-1
NATS-Bench Topology, CIFAR-10
NATS-Bench Topology, CIFAR-100
Food-101
Balanced Mixture
NAS-Bench-101
FireFly
NATS-Bench Size, CIFAR-10
BossNAS
NATS-Bench Size, CIFAR-100
CINIC-10
NAT-M4
DTD
NAT-M4
FGVC Aircraft
NAT-M4
NATS-Bench Size, ImageNet16-120
Oxford 102 Flowers
NAT-M4
Oxford-IIIT Pet Dataset
NAT-M4
Stanford Cars
NAT-M4
STL-10
NAT-M4
NAS-Bench-201
Improved FireFly Algorithme
LIDC-IDRI
NASLung (ours)
MNIST
NAS-Bench-301
DiNAS