一种基于强化学习的限定代价下卷积神经网结构自动化设计方法

• 作者: 姜玉林 张涌 徐杨杰 许强
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 深度学习 强化学习 卷积神经网 网络结构搜索 代价优化
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 电子信息
• 页码范围: 42-54
• 页数: 13页
• 分类号: TP39
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20190225001

摘要

目前的神经网络结构自动化设计方法主要对所设计神经网络结构的预测准确率进行优化.然而,实际应用中经常要求所设计的神经网络结构满足特定的代价约束,如内存占用、推断时间和训练时间等.该文提出了一种新的限定代价下的神经网络结构自动化设计方法,选取内存占用、推断时间和训练时间三类代表性代价在 CIFAR10 数据集上进行了实验,并与现有方法进行了对比分析.该方法获得了满足特定代价约束的高准确率的卷积神经网络结构,可优化的代价种类比现有方法更多.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涌	中国科学院深圳先进技术研究院	33	191	8.0	12.0
5	许强	中国科学院深圳先进技术研究院	27	224	7.0	14.0
9	徐杨杰	中国科学院深圳先进技术研究院	1	1	1.0	1.0
13	姜玉林	中国科学院深圳先进技术研究院	1	1	1.0	1.0