公开(公告)号：CN113159268A

公开(公告)日：2021-07-23

申请号：CN202010075167.X

申请日：2020-01-22

Applicant: 华为技术有限公司 ,  浙江大学

Inventor： 许晨阳 ,  张国川 ,  罗兰 ,  王琪瑞 ,  于璠

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本申请涉及人工智能领域，提供一种神经网络的搜索方法和装置，该方法应用于计算系统，该系统包括多个智能体，该方法包括：确定多个候选神经网络，多个智能体中的第一智能体用于处理所述多个候选神经网络中每个候选神经网络中的同一个部分；分别将所述每个候选神经网络中的所述第一智能体处理的那部分神经网络的上下文作为所述第一智能体的输入，得到对应于所述多个候选神经网络的多个新的候选神经网络；根据所述多个新的候选神经网络确定目标神经网络。从而可以提高建立神经网络的效率。

公开(公告)号：CN117875385A

公开(公告)日：2024-04-12

申请号：CN202410019066.9

申请日：2024-01-05

Applicant: 浙江大学

Inventor： 许晨阳 ,  张国川

IPC: G06N3/063 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于博弈的自动生成神经网络方法。本发明步骤如下：1、定义搜索空间：2、基于给定的搜索空间，设定博弈环境，整个博弈环境由三个要素组成：玩家、策略集和效用函数；3、基于给定的搜索空间和设定的博弈环境，自动生成神经网络架构。本发明通过设计玩家、策略集和效用函数的方式，引入并实现多智能体的博弈环境，整个博弈环境是能够被证明存在纳什均衡的，并且算法在训练迭代中也将收敛到这一均衡。本发明用玩家相互之间的偏好向量来定义神经网络中各个边之间的相互影响关系，设计的迭代算法最后也能够证实，玩家在多轮博弈中可以有效地学习到正确的喜好权重向量，从而以较少的训练代价搜索出高性能到神经网络架构。