Se ha investigado el uso de una red neuronal para configurar una arquitectura de red neuronal diferente . ¡Google Research tiene una publicación de blog concisa sobre esto! Su método basado en RL se llama “AutoML”, que describo brevemente a continuación:
En AutoML, se utiliza una red de controlador para generar la arquitectura de una red secundaria; la información de rendimiento resultante (de la red secundaria en alguna tarea) se puede usar para ajustar la salida de la red del controlador. Esto da como resultado el siguiente “ciclo de retroalimentación”:
- Cómo hacer un bot que pueda abrir cbseresults.nic.in y obtener el resultado
- ¿Cómo funciona la IA del comercio de predicción en línea?
- ¿Cómo aprende realmente una red neuronal al observar un conjunto de muestras de datos?
- ¿Podemos esperar que la inteligencia artificial supere las habilidades humanas en los próximos años? ¿Se podrá lograr lo inesperado en los próximos tiempos?
- ¿Qué es una lista de experimentos mentales con IA?
Es bastante interesante comparar arquitecturas generadas por humanos (izquierda, abajo) y aquellas generadas por una red de controladores (derecha, abajo):
Para obtener más información, consulte estos documentos: “Evolución a gran escala de clasificadores de imágenes” (algoritmos evolutivos) [1] y “Búsqueda de arquitectura neuronal con aprendizaje de refuerzo” (RL) [2].
Notas al pie
[1] [1703.01041] Evolución a gran escala de clasificadores de imagen
[2] [1611.01578] Búsqueda de arquitectura neuronal con aprendizaje por refuerzo
