IBM создали алгоритм для подбора оптимальной архитектуры нейросети без участия разработчика
При решении задач машинного обучения исследователи подбирают архитектуры нейросетей вручную. Это трудно и занимает много времени. Для ускорения подбора IBM использовали эволюционные алгоритмы. Идея состоит в том, чтобы нейросеть «эволюционировала» с помощью случайных мутаций, пока не будет достигнута нужная точность. В результате время обучения сети сократилось в 50000 раз, а ошибка выросла всего на 0,6%.
При решении задач машинного обучения исследователи подбирают архитектуры нейросетей вручную. Это трудно и занимает много времени. Для ускорения подбора IBM использовали эволюционные алгоритмы. Идея состоит в том, чтобы нейросеть «эволюционировала» с помощью случайных мутаций, пока не будет достигнута нужная точность. В результате время обучения сети сократилось в 50000 раз, а ошибка выросла всего на 0,6%.