English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41624978      線上人數 : 1766
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/84016


    題名: 以漸進式基因演算法實現神經網路架構搜尋最佳化;A Progressive Genetic-based Optimization for Network Architecture Search
    作者: 曾欽緹;Tseng, ChinTi
    貢獻者: 資訊管理學系
    關鍵詞: 機器學習;深度學習;神經架構搜尋;基因演算法;機器學習自動化;Machine Learning;Evolutionary Algorithm;Neural Architecture Search;Automated Machine Learning;Deep Learning
    日期: 2020-07-16
    上傳時間: 2020-09-02 17:55:29 (UTC+8)
    出版者: 國立中央大學
    摘要: 機器學習是一門從數據中由電腦自行學習得出特徵,再利用特徵對未知數
    據進行預測的技術。機器學習這門技術會因所針對的目標資料集不同,而設計
    出對應的模型架構,也因此所需對應專業知識、所需花費的研究時間與資源甚
    多,在普遍應用的期望下有一定的門檻與瓶頸。為了加速神經網路的建構
    ,我們建構了一套基於演化演算法,結合深度學習技術,漸進式概念的建模演
    算法,搭配經過設計的細胞結構,應用在運算資源稀缺的環境下,並在針對特
    定資料集的背景下,自動搜尋出對應最優的神經網路架構。;No matter designing a new neural network (NN) architectures or modifying an existed model require both human expertise and intense computational resources. We propose a progressive strategy to develop models on a “meta” level which recently arose interests of experts. This meta-modeling algorithm is based on evolutionary algorithms and deep learning techniques to generate NN architectures for a given task automatically. The work we did also includes encoding a model structure into many “cells” in a continual representation. Therefore, after defining the cell structure and its topology, we find the structures for the given task cell by cell, brick by brick, and find a structure which has the highest accuracy eventually.
    顯示於類別:[資訊管理研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML108檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明