Abstrakt
Neural Architecture Search (NAS) is a computationally demanding process of finding optimal neural network architecture for a given task. Conceptually, NAS comprises applying a search strategy on a predefined search space accompanied by a performance evaluation method. The design of search space alone is expected to substantially impact NAS efficiency. We consider neural networks as graphs and find a correlation between the presence of subgraphs and the network’s final test accuracy by analyzing a dataset of convolutional neural networks trained for image recognition. We also consider a subgraph based network distance measure and suggest opportunities for improved NAS algorithms that could benefit from our observations.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autor (1)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja monograficzna
- Typ:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
- Tytuł wydania:
- Artificial Intelligence and Soft Computing strony 271 - 279
- Język:
- angielski
- Rok wydania:
- 2020
- Opis bibliograficzny:
- Wrosz I.: Neural Network Subgraphs Correlation with Trained Model Accuracy// Artificial Intelligence and Soft Computing. Part 1/ : , 2020, s.271-279
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-61401-0_26
- Źródła finansowania:
-
- Działalność statutowa/subwencja
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 124 razy
Publikacje, które mogą cię zainteresować
Embedded Representations of Wikipedia Categories
- J. Majkutewicz,
- J. Szymański,
- A. Sobecki
- + 2 autorów