MULTIOBJECTIVE COEVOLUTION OF DEEP NEURAL NETWORK ARCHITECTURES

An evolutionary AutoML framework called LEAF optimizes hyperparameters, network architectures and the size of the network. LEAF makes use of both evolutionary algorithms (LAs) and distributed computing frameworks. A multi objective evolutionary algorithm is used to maximize the performance and minim...

Full description

Saved in:
Bibliographic Details
Main Authors MIIKKULAINEN, RISTO, LIANG, JASON ZHI, MEYERSON, ELLIOTT
Format Patent
LanguageEnglish
French
Published 07.05.2020
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:An evolutionary AutoML framework called LEAF optimizes hyperparameters, network architectures and the size of the network. LEAF makes use of both evolutionary algorithms (LAs) and distributed computing frameworks. A multi objective evolutionary algorithm is used to maximize the performance and minimize the complexity of the evolved networks simultaneously by calculating the Pareto front given a group of individuals that have been evaluated for multiple objectives. L'invention concerne un cadre AutoML évolutif appelé LEAF qui optimise les hyperparamètres, les architectures réseau, et la taille du réseau. LEAF utilise à la fois des algorithmes évolutifs (LA) et des réseaux informatiques distribués. Un algorithme évolutif multiobjectif est utilisé pour à la fois optimiser les performances et réduire au maximum la complexité des réseaux évolués en calculant le front de Pareto en fonction d'un groupe d'individus qui ont été évalués pour une pluralité d'objectifs.
Bibliography:Application Number: CA20193116782