研究者提出离散神经架构搜索算法 MOSHO
热点事件持续更新
研究者提出离散神经架构搜索算法 MOSHO
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
论文作者提出 MOSHO，一种面向硬件感知神经架构搜索的原生离散多目标优化算法；论文报告称，它在保持与 NSGA-II 相竞争的帕累托前沿表现的同时，显著缩短了搜索时间。 在合并的 NAS-Bench-201/HW-NAS-Bench 基准、共 18 个测试情境中，论文报告 MOSHO 的搜索时间为 0.64 秒，较 NSGA-II 的 17.72 秒减少 96.4%。该算法用离散架构编辑算子取代连续运动方程，联合优化预测准确率与特定设备上的延迟。
AI 根据报道生成 · 59 分钟前更新
最新进展10月28日 12:00
MOSHO：面向硬件感知神经架构搜索的原生离散鲨鱼启发式元启发式算法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningMOSHO：面向硬件感知神经架构搜索的原生离散鲨鱼启发式元启发式算法
研究者提出 MOSHO（Multi-Objective Shark Hunting Optimization），以原生离散的架构编辑算子替代连续运动方程，联合优化预测准确率与设备特定延迟。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。