按年被提到
20162017 · 3 次2026
强化学习与智能体›深度强化学习与世界模型·arXiv:1611.02167 · cs.LG

Designing Neural Network Architectures using Reinforcement Learning

用强化学习设计神经网络架构
Bowen Baker, Otkrist Gupta, Nikhil Naik, Ramesh Raskar · 2016

MetaQNN:用 Q-learning 自动搜索卷积网络架构

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2016-12-05 · 最近 2017-07-14
4不同的人
3活跃月份
4讨论串
936被引(OpenAlex)

提出 MetaQNN,一种基于强化学习的元建模算法,让智能体用带 ε-greedy 探索和经验回放的 Q-learning 逐层选择 CNN 结构,自动生成针对某个任务的高性能架构。在图像分类基准上,仅由标准卷积、池化和全连接层构成的智能体设计网络,超过同样层类型下的已有网络,并优于已有的元建模方法。

HN 为什么提它

评论者把它列为“学习如何学习”和自动学习网络结构方向的相关论文,作为延伸阅读。

方法难度 3 / 5约 40 分钟经得起时间
读之前最好知道
1强化学习与 Q-learning
2卷积神经网络(CNN)
3ε-greedy 探索与经验回放
4图像分类基准

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐lucidrains · 2017-01

“Other equally exciting papers that relates to learning to learn in DL.”

把它列为 DL 中学会学习方向同样令人兴奋的论文,用 RL 自动设计网络架构
Learning to Learn in TensorFlow原评论 ↗
引用chriskanan · 2017-07

“Related (but less so), there are also some papers about learning neural network architectures:”

列为相关论文:用强化学习设计神经网络架构
Hacker's guide to Neural Networks (2012)原评论 ↗
被提交为 story · 2 次