A Continuous Encoding-Based Representation for Efficient Multi-Fidelity Multi-Objective Neural Architecture Search

2025-09-16

0

PRE

AI

DOI：10.1016/j.asoc.2025.113932

原文求助

摘要

En 中文

• 提出了一种连续编码方法，以减少在广义U-Net神经网络架构搜索（NAS）表示中的变量数量。 • 提出了一种自适应Co-Kriging辅助的多精度多目标NAS算法，以降低计算成本。 • 所提出的NAS算法识别出能够利用来自先前单元信息流的优秀U-Net架构。