ScholarGate
עוזר
Machine learning

חיפוש ארכיטקטורות נוירוניות

חיפוש ארכיטקטורות נוירוניות (Neural Architecture Search, להלן NAS), שהוצג על ידי Zoph ו-Le בשנת 2017, מבצע אופטימיזציה אוטומטית של החלטות ארכיטקטוניות כגון עומק הרשת, רוחבה ומבנה החיבורים שלה, במקום לתכנן אותן ידנית. שיטות מובילות בתחום כוללות את DARTS, ENAS ו-Once-for-All.

פתיחה ב-MethodMindבקרובוידאובקרובהורדת מצגת

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

עוד 1+

מקורות

  1. Zoph, B. & Le, Q.V. (2017). Neural Architecture Search with Reinforcement Learning. ICLR. link
  2. Liu, H. et al. (2019). DARTS: Differentiable Architecture Search. ICLR. link

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Neural Architecture Search (NAS). ScholarGate. https://scholargate.app/he/deep-learning/neural-architecture-search

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה

מאוזכר על ידי

ScholarGateNeural Architecture Search (Neural Architecture Search (NAS)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/deep-learning/neural-architecture-search · מערך נתונים: https://doi.org/10.5281/zenodo.20539026