Diffusion evolutionary algorithm for neural architecture search

doi:10.1016/j.swevo.2026.102421

Diffusion evolutionary algorithm for neural architecture search

2026-05-29

0

PRE

AI

DOI：10.1016/j.swevo.2026.102421

原文链接

原文求助

摘要

En 中文

传统神经架构搜索（NAS）方法在超参数调优方面往往面临挑战，且容易陷入局部最优，这限制了种群的多样性并阻碍了最优架构的搜索。本文提出了一种名为DiffEvo-NAS的新方法，该方法利用扩散进化算法，将进化过程解释为去噪操作，反向进化解释为扩散。通过引入方向性去噪（类似于方向性选择）和添加小噪声（类似于突变），该算法在保持多样性的同时不断优化个体，从而有效探索搜索空间并避免局部最优。通过在CIFAR-10和CIFAR-100数据集上的实验验证了DiffEvo-NAS的有效性，其测试误差率分别为2.55%和16.15%。在ImageNet上，它以top-1误差率24.61%和top-5误差率7.44%实现了有竞争力的性能。这些结果表明，DiffEvo-NAS在探索和利用方面均取得了显著改进，在种群多样性和架构性能方面优于其他进化NAS方法。作为该领域的一个里程碑，DiffEvo-NAS为NAS的进一步创新奠定了基础，特别是在扩散模型与进化计算的融合方面。

Diffusion evolutionary algorithm for neural architecture search

摘要

期刊

机构

引用论文