典型文献
神经结构搜索的研究进展综述
文献摘要：
近年来,深度神经网络(DNNs)在许多人工智能任务中取得卓越表现,例如计算机视觉(CV)、自然语言处理(NLP).然而,网络设计严重依赖专家知识,这是一个耗时且易出错的工作.于是,作为自动化机器学习(AutoML)的重要子领域之一,神经结构搜索(NAS)受到越来越多的关注,旨在以自动化的方式设计表现优异的深度神经网络模型.全面细致地回顾神经结构搜索的发展过程,进行了系统总结.首先,给出了神经结构搜索的研究框架,并分析每个研究内容的作用;接着,根据其发展阶段,将现有工作划分为4个方面,介绍各阶段发展的特点;然后,介绍现阶段验证结构搜索效果经常使用的数据库,创新性地总结该领域的规范化评估标准,保证实验对比的公平性,促进该领域的长久发展;最后,对神经结构搜索研究面临的挑战进行了展望与分析.
文献关键词：
神经结构搜索;自动化机器学习;深度学习;神经网络;规范化评估
中图分类号：
作者姓名：
李航宇;王楠楠;朱明瑞;杨曦;高新波
作者机构：
综合业务网理论及关键技术国家重点实验室(西安电子科技大学), 陕西 西安 710071;重庆邮电大学 计算机科学与技术学院, 重庆 400065
文献出处：
引用格式：
[1]李航宇;王楠楠;朱明瑞;杨曦;高新波-.神经结构搜索的研究进展综述)[J].软件学报,2022(01):129-149
A类：
B类：
神经结构搜索,进展综述,DNNs,智能任务,计算机视觉,CV,自然语言处理,NLP,网络设计,专家知识,出错,自动化机器学习,AutoML,要子,NAS,设计表现,深度神经网络模型,研究框架,阶段发展,规范化评估,评估标准,实验对比,公平性
AB值：
0.332901
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
