Сбыча мечт - 2017
Когда я был маленьким, у меня были мечты, усиленно разогреваемые доступностью "Библиотеки зарубежной фантастики" и толстыми сборниками "Эврика". Становясь старше, и вот уже став совсем старым, я начал понимать, не о том нас учила мечтать "Эврика" вкупе с "Техникой молодежи" и "Химией и жизнью". Посему начал вести "Хронику филоптоза" - фундаментальный труд, отражающий неумолимое стремление вида покончить с самим собой. Вот и сегодня Гугл Всеведущий указал на интересное. Новость и не очень свежая и наверняка не единственная в своем роде, но для хроники это не важно. Важно отмечать вехи и всемерно утверждать волю к жизни. Всех не догонят!
In this paper, we use a recurrent network to generate the model descriptions of neural networks and train this RNN with reinforcement learning to maximize the expected accuracy of the generated architectures on a validation set. On the CIFAR-10 dataset, our method, starting from scratch, can design a novel network architecture that rivals the best human-invented architecture in terms of test set accuracy. Our CIFAR-10 model achieves a test error rate of 3.84, which is only 0.1 percent worse and 1.2x faster than the current state-of-the-art model.
In this paper, we use a recurrent network to generate the model descriptions of neural networks and train this RNN with reinforcement learning to maximize the expected accuracy of the generated architectures on a validation set. On the CIFAR-10 dataset, our method, starting from scratch, can design a novel network architecture that rivals the best human-invented architecture in terms of test set accuracy. Our CIFAR-10 model achieves a test error rate of 3.84, which is only 0.1 percent worse and 1.2x faster than the current state-of-the-art model.