神经结构搜索

神经结构搜索 (Neural Architecture Search, NAS) 是一种自动化设计人工神经网络（Artificial Neural Networks, ANN）这种在机器学习领域被广泛运用的模型的技术 ^[1]。目前，通过神经结构搜索所设计的模型的性能，已经可以达到甚至超过由人工设计的模型 ^[2] ^[3]。神经结构搜索的方法可以按照搜索空间、搜索策略和性能估计策略三个方面进行分类^[1]：

搜索空间（Search Space） 定义了可以设计和优化的人工神经网络种类；
搜索策略（Search Strategy） 定义了探索搜索空间的方法；
性能估计策略（Performance Estimation Strategy） 通过一个潜在神经网络的结构来评估其性能（不一定构建并训练这个网络）。

神经结构搜索与超参数优化（Hyperparameter optimization ）有着密切的联系。它也是自动机器学习（Automated machine learning）的一个子领域。

搜索空间

宏搜索空间

微搜索空间

其他搜索空间

搜索策略

强化学习

进化算法

多目标搜索

可微分的搜索（基于梯度的搜索）

性能估计策略

权重共享

基于预测器

参考资料

^ ^1.0 ^1.1 Elsken, Thomas; Metzen, Jan Hendrik; Hutter, Frank. Neural Architecture Search: A Survey. Journal of Machine Learning Research. August 8, 2019, 20 (55): 1–21 [2020-03-17]. Bibcode:2018arXiv180805377E. arXiv:1808.05377 . （原始内容存档于2021-01-27）.
^ Zoph, Barret; Le, Quoc V. Neural Architecture Search with Reinforcement Learning. 2016-11-04. arXiv:1611.01578  [cs.LG].
^ Zoph, Barret; Vasudevan, Vijay; Shlens, Jonathon; Le, Quoc V. Learning Transferable Architectures for Scalable Image Recognition. 2017-07-21. arXiv:1707.07012  [cs.CV].

[elsken2019neural-1] 1.0 ^1.1 Elsken, Thomas; Metzen, Jan Hendrik; Hutter, Frank. Neural Architecture Search: A Survey. Journal of Machine Learning Research. August 8, 2019, 20 (55): 1–21 [2020-03-17]. Bibcode:2018arXiv180805377E. arXiv:1808.05377 . （原始内容存档于2021-01-27）.

[zoph2016neural-2] Zoph, Barret; Le, Quoc V. Neural Architecture Search with Reinforcement Learning. 2016-11-04. arXiv:1611.01578  [cs.LG].

[zoph2017learning-3] Zoph, Barret; Vasudevan, Vijay; Shlens, Jonathon; Le, Quoc V. Learning Transferable Architectures for Scalable Image Recognition. 2017-07-21. arXiv:1707.07012  [cs.CV].

[1]

[2]

[3]