发明专利已授权

基于分层-反馈机制和TEG引导的可微神经架构搜索方法

📄 申请号：CN202411005044.3 📄 发布日：2026/06/30

著录项目信息

申请日

2024-07-25

公开号

CN119150955A

公开日

2024-12-17

申请人

安徽大学

法律状态

已下证

专利类型

发明

主分类号

G06N3_0985

IPC 分类号

G06N3_0985 , G06N3_045 , G06N3_084 ,

技术画像

所属领域

神经架构搜索人工智能算法神经网络架构搜索自动机器学习神经架构搜索

应用场景

人工智能模型设计, 自动化机器学习, 深度学习模型优化, 图像识别, 自然语言处理

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明涉及神经网络架构搜索技术领域，公开了一种基于分层‑反馈机制和TEG引导的可微神经架构搜索方法，包括：分层搜索阶段，搜索网络深度逐步递增，并结合TEG指标进行架构选择，使用可微分架构搜索方法进行神经架构搜索，搜索步骤中包含多个搜索阶段，每个搜索阶段对应一个搜索网络，且随着搜索阶段的增加，对应的搜索网络的单元的数量随之增加，并逐渐接近评估步骤使用的评估网络中的单元的数量；步骤二，反馈搜索阶段：评估网络由最后一个搜索阶段的搜索网络扩充而来，将搜索网络与评估网络整合，并以循环的方式联合训练最后一个搜索阶段的搜索网络和评估网络。很大程度上提高了搜索效率，同时保持了较高的搜索模型的准确性。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

一种基于自监督深度学习的单衍射强度图像重建方法、装置、设备及存储介质

当前第 / 件

基于压缩支撑估计的3D多平面相位恢复方法、介质及设备

同领域国内专利 · IPC: (G06N3_0985)

G06N3_00 G06N3_006 G06N3_008 G06N3_02 G06N3_04 G06N3_042 G06N3_043 G06N3_044 G06N3_0442 G06N3_045 G06N3_0455 G06N3_0464 G06N3_0475 G06N3_048 G06N3_049 G06N3_0495 G06N3_0499 G06N3_06 G06N3_063 G06N3_065 G06N3_067 G06N3_08 G06N3_082 G06N3_084 G06N3_086 G06N3_088 G06N3_0895 G06N3_09 G06N3_092 G06N3_094 G06N3_096 G06N3_098 G06N3_0985 G06N3_12 G06N3_126 覆盖35个领域

相似专利推荐 AI 驱动 · 同领域

暂无同领域相似专利推荐

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：52 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)