Neirālā arhitektūras meklēšana
Neirālā arhitektūras meklēšana (Neural Architecture Search, NAS), ko 2017. gadā ieviesa Zoph un Le, automātiski optimizē arhitektūras lēmumus, piemēram, tīkla dziļumu, platumu un savienojuma struktūru, tā vietā, lai tos projektētu manuāli. Vadošās metodes šajā jomā ietver DARTS, ENAS un Once-for-All.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
+vēl 1
Avoti
Kā citēt šo lapu
ScholarGate. (2026, June 1). Neural Architecture Search (NAS). ScholarGate. https://scholargate.app/lv/deep-learning/neural-architecture-search
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Zināšanu destilācijaDziļā mācīšanās↔ salīdzināt
- Longformer / BigBirdDziļā mācīšanās↔ salīdzināt
- Ekspertu maisījumsDziļā mācīšanās↔ salīdzināt
- Random ForestMašīnmācīšanās↔ salīdzināt
- XGBoostMašīnmācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →