Neural Architecture Search
Neural Architecture Search (NAS), introducerat av Zoph och Le 2017, optimerar automatiskt arkitektoniska beslut såsom ett nätverks djup, bredd och kopplingsstruktur istället för att designa dem manuellt. Ledande metoder inom området inkluderar DARTS, ENAS och Once-for-All.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+1 till
Källor
Så citerar du den här sidan
ScholarGate. (2026, June 1). Neural Architecture Search (NAS). ScholarGate. https://scholargate.app/sv/deep-learning/neural-architecture-search
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- KunskapsdestilleringDjupinlärning↔ jämför
- Longformer / BigBirdDjupinlärning↔ jämför
- Blandning av experterDjupinlärning↔ jämför
- Random ForestMaskininlärning↔ jämför
- XGBoostMaskininlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →