Vooruitgang in het zoeken naar neurale architectuur

Momenteel is Deep (Convolutional) Neural Networks de meest succesvolle aanpak in kunstmatige intelligentie. De ontwikkeling van deep learning heeft de benchmarkresultaten op vele domeinen overtroffen, te beginnen met de ImageNet Challenge in 2012, en definieert momenteel de state-of-the-art in toepassingsgebieden zoals computervisie, spraakherkenning, natuurlijke taalverwerking, enz. De huidige stand van de techniek op het gebied van machinaal leren omvat ofwel handmatige afstemming van netwerkarchitecturen, ofwel intensieve zoekmethoden voor neurale architectuur die enorme computer- en energie-eisen kunnen stellen. In dit onderzoek zullen we methoden onderzoeken om neurale architectuuronderzoeken uit te voeren met verbeterde efficiëntie door middel van intelligente optimalisatiestrategieën.

Trefwoorden:deep learning, neural architecture search

Disciplines:Computer vision

Project type:PhD project