【综述】IBM 自动机器学习网络架构搜索最新综述，附45页全文下载

【导读】自动机器学习方向热度高涨，近日，IBM 沃森研究中心发表综述性文章，主要聚焦于网络架构搜索问题，特此整理如下，可与上周专知推送的AutoML搭配阅读。

原文链接：

https://arxiv.org/abs/1905.01392

【综述】自动机器学习AutoML最新65页综述，带你了解最新进展

介绍：

人们对AutoML的兴趣越来越强烈，这将对神经架构优化领域起到强大的推动作用。事实证明，网络架构的选择，对模型性能至关重要。另外，由于深度学习技术的计算密集型特点，构建实际应用的过程中需要引入很强的领域知识。因此，对于领域专家来说，从头开始深度学习模型的搭建有一定难度，这也使得AutoML技术具有非常广阔的前景。

目前，深度学习自动化是机器学习领域增长速度最快的研究方向。每周，在arxiv社区上均会发表大量有趣的信息研究成果，这也让研究人员很难做到完全的跟踪。为此，通过本文，我们对网络架构搜索问题，提供了一种形式化的描述，对现有的技术进行了统一的分类，并对单个技术进行了详细的分析。在本文中，我们讨论了基于强化学习和进化算法原理的常见架构优化算法，另外，我们还讨论了新的研究方向，包括约束和多目标架构搜索，及自动数据增强、优化器和激活函数搜索等。

本文结构：

• 神经架构搜索空间

• 全局搜索空间

• Cell-Based搜索空间

• 全局与Cell-Based搜索空间

• Recurrent Cells搜索空间

• 优化方法

• 强化学习

• 进化算法

• 基于代理模型的优化

• One-Shot架构搜索

• 总结

• 约束与多目标

• 约束优化

• 多目标优化

• 其他相关工作

• 关于神经架构搜索方法的观点以及未来应用

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“AMLNAS” 就可以获取最新综述 下载链接~ 

附文章全文：

更多内容，请下载观看

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！530+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程