反向传播退出历史舞台？新研究提出基于信息瓶颈估计的训练方法 | 一周AI最火论文

大数据文摘专栏作品

作者：Christopher Dossman

编译：Jiaxu、fuma、云舟

呜啦啦啦啦啦啦啦大家好，拖更的AIScholar Weekly栏目又和大家见面啦！

AI ScholarWeekly是AI领域的学术专栏，致力于为你带来最新潮、最全面、最深度的AI学术概览，一网打尽每周AI学术的前沿资讯。

每周更新，做AI科研，每周从这一篇开始就够啦！

本周关键词：AutoML

本周最佳研究

AutoML的中场战事

在本周发表的一篇论文中，研究者们全面盘点了最新的自动化机器学习技术。

首先，他们对现有的自动化机器学习技术进行了系统性的评估。 除此之外，由于神经架构搜索（NAS）这一话题在近几年的兴起，他们也总结了现有的NAS算法。

他们着眼于基础数据集与相应的结果等因素，研究了包括随机搜索（RS）、强化学习（RL）、进化算法（EA）以及梯度下降法（GD）在内的算法。 最终，他们提出了出许多有趣的开放性问题并指出了一些很有前景与价值的人工智能研究方向。

这篇论文为自动化人工智能方向的初学者提供了很全面的相关知识。 与此同时，它也为许多热衷于AI的人们指明了在平衡计算成本与产出质量的原则下，构建大体量、高效率的机器学习模型的方式。

常言道： 你永远无法解决一个你根本不了解的问题。 这篇论文帮助AI界的人们很好地了解到目前