基于梯度相似性超网的多目标神经架构搜索方法和系统

    公开(公告)号:CN119180305A

    公开(公告)日:2024-12-24

    申请号:CN202411700143.3

    申请日:2024-11-26

    Inventor: 袁利连 薛羽

    Abstract: 本发明提出基于梯度相似性超网的多目标神经架构搜索方法和系统,所述方法包括:构建一个超网,通过训练生成共享权重。训练过程中,采用梯度范数重要性采样策略,动态优化路径和数据的采样概率,优先选择对权重更新影响较大的架构和数据,以提高效率。针对多目标优化中的梯度冲突,引入PCGrad投影法,计算梯度相似性动态主导方向选择和梯度投影,减少冲突并稳定优化过程。超网训练后,初始化种群继承共享权重,在目标数据集上获得性能,并通过进化算法进行非支配排序和优化,以确保在精度、浮点计算次数和参数量等目标上实现均衡表现。本发明在保证多目标均衡优化的前提下,有效降低了计算成本,提升了神经网络架构搜索的效率和性能。

Patent Agency Ranking