Khối lượng công sức bỏ ra trong việc tạo thủ công các mạng nơ-ron phân loại hình ảnh đã tạo động lực cho việc sử dụng công nghệ tìm kiếm kiến trúc để tự động phát hiện chúng.

Và tuy rằng các thuật toán tiên tiến không ngừng được ứng dụng trong các cấu trúc liên kết (topology) của mạng nơ-ron, tính tới nay, các mạng phân loại hình ảnh được phát hiện thông qua tìm kiến kiến trúc vẫn chưa thể hiệu quả bằng các mạng được chế tạo thủ công. Do đó, nghiên cứu này đã tiến hóa thành công một mạng phân loại hình ảnh mang tên AmoebaNet-A – lần đầu tiên cho hiệu quả tốt hơn mạng chế tạo thủ công.

Để thực thiện được điều này, các nhà nghiên cứu đã cải tiến thuật toán tiến hóa lựa chọn thông qua giới thiệu một đặc tính tuổi tác, giúp ưu tiên các kiểu gen trẻ. Với kích thước tương đương các mô hình ImageNet tiên tiến, được phát hiện thông qua các kỹ thuật tìm kiếm kiến trúc phức tạp hơn, AmoebaNet-A cũng có thể phân loại hình ảnh với độ chính xác tương đương các mô hình này.

Khi thực hiện phép so sánh có kiểm soát với một thuật toán học tăng cường (reinforcement learning) phổ biến, các nhà nghiên cứu đã thu thập được bằng chứng rằng, tiến hóa cho kết quả nhanh hơn trên cùng một phần cứng, đặc biệt là ở những giai đoạn tìm kiếm ban đầu. Điều này rất có ý nghĩa trong điều kiện tài nguyên máy tính có giới hạn. Do đó, có thể kết luận rằng, tiến hóa là một phương thức đơn giản, giúp phát hiện các kiến trúc cao cấp với hiệu quả cao.

  • Tác giả: Esteban Real, Alok Aggarwal, Yanping Huang, Quoc V Le
  • Xem thêm về nghiên cứu tại ĐÂY.
Tin liên quan: