グラフ符号を用いたサロゲート型Evolutionary Neural Architecture Searchの改良

カテゴリ: 部門大会

論文No: TC2-2-3

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Revisit of Surrogate-assisted Evolutionary Neural Architecture Search using Graph-encoding

著者名: 志村 翼（横浜国立大学）,山口 侑真（横浜国立大学）,坪田 直邦（ワコム）,上原 修（ワコム）,福榮 太郎（横浜国立大学）,下野 誠通（横浜国立大学）,泉 真由子（横浜国立大学）,五島 脩（横浜国立大学）,中田 雅也（横浜国立大学）

著者名(英語): Tsubasa Shimura (Yokohama National University),Yuma Yamaguchi (Yokohama National University),Tadakuni Tsubota (Wacom Co., Ltd.),Osamu Uehara (Wacom Co., Ltd.),Taro Fukue (Yokohama National University),Tomoyuki Shimono (Yokohama National University),Mayuko Izumi (Yokohama National University),Osamu Goshima (Yokohama National University),Masaya Nakata (Yokohama National University)

キーワード: Neural Architecture Search|進化計算|オーバーサンプリングオーバーサンプリング|Neural Architecture Search|Evolutionary Computation|Oversampling

要約(日本語): 本研究では、深層学習モデルのサロゲート型進化的構造最適化手法(ENAS: Evolutionary Neural Architecture Search) が、学習データ数が少なく性能低下する問題に対処するために、回帰部の再学習メカニズム、ならびに、オーバーサンプリング法を用いた改良手法を提案する。特に、グラフ符号化を用いたサロゲートENASに焦点を当てる。この方法は、深層学習モデルのグラフ符号化から回帰までend-to-endで学習できるが、回帰部の学習が不十分となる場合があり、これを再学習する改良手法を導入する。また、この手法を活かし、オーバーサンプリングを用いて学習データを水増しする方法についても検討する。