محققان در مقاله جدید خود به سراغ «جستجوی گروهی عصبی» (NES) رفتهاند تا مشکل پیچیدگی محاسباتی در طراحی شبکههای عصبی را حل کنند. چالش اصلی اینجاست که ایجاد مجموعهای از مدلها (Ensemble) که هم دقیق باشند و هم متنوع، معمولاً بسیار هزینهبر است.
💡 راهکار نوآورانه آنها استفاده از یک سیستم «جستجوی هدایتشده با مدلهای جایگزین» (Surrogate-guided search) است. این متد با پیشبینی دقیقِ «عملکرد» و «پتانسیل تنوع»، معماریهایی را انتخاب میکند که به صورت گروهی عملکردی فوقالعاده روی دیتاستهای معروفی مثل CIFAR-100 نشان میدهند.
این پیشرفت میتواند مسیر را برای طراحی مدلهای بهینهتر و با دقت بالاتر در پروژههای تحقیقاتی و صنعتی هموارتر کند. 🤖✨
های_عصبی
منبع: arXiv Machine Learning