公开(公告)号：CN119886226A

公开(公告)日：2025-04-25

申请号：CN202510370248.5

申请日：2025-03-27

Applicant: 南京信息工程大学

Inventor： 蔡坪元 ,  薛羽 ,  田伟 ,  徐昕 ,  钟水明 ,  项正龙 ,  王修来 ,  许艳丹

IPC: G06N3/0464 ,  G06N3/084 ,  G06N3/0455 ,  G06N3/086

Abstract: 本发明公开了一种基于扩散进化算法的神经架构搜索方法，该方法首先构建超网，该超网包括子网，每个子网通过连续编码为每条连接边上的每个操作赋予权重；然后获取不同类别的图片构建成数据集；最后对超网权重和子网编码进行交替优化，直至满足约束条件时停止优化，得到最优子网编码，进而得到神经网络的架构。本发明创新性地将扩散模型的迭代去噪机制与进化算法的全局搜索策略相融合，通过结合扩散模型的去噪机制与进化算法的全局搜索能力，构建超网并交替优化网络权重和子网编码；利用自适应噪声调度和密度估计，增强种群多样性，避免局部最优，能够更好地找到适合任务的最优神经网络架构。

公开(公告)号：CN119623515A

公开(公告)日：2025-03-14

申请号：CN202510170315.9

申请日：2025-02-17

Applicant: 南京信息工程大学

Inventor： 刘珂玉 ,  薛羽 ,  田伟 ,  徐昕 ,  钟水明 ,  项正龙 ,  王修来 ,  许艳丹

IPC: G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/086 ,  G06F18/213 ,  G06F18/214 ,  G06F18/22 ,  G06F18/23 ,  G06F18/21

Abstract: 本发明提供了一种基于相似性代理辅助的演化神经架构搜索方法和系统，所述方法包括：步骤1，初始化一个架构种群，选择性能最佳的架构作为初始基准架构；步骤2，构建一种图神经网络变体作为特征提取器；步骤3，构建代理模型，通过联合损失函数训练代理模型；步骤4，根据适应度值保留高潜力架构，并对高潜力架构进行真实性能评估，将评估结果加入训练集；将当前种群与代理模型预测筛选出的高性能架构合并，通过环境选择策略更新种群；步骤5，重复步骤3和步骤4直至种群性能收敛，最终输出全局最优架构。本发明能够在有限的计算资源下快速搜索到高性能的神经网络架构，为神经网络的自动化设计与优化提供了一种高效、智能的新型解决方案。