#今日论文推荐# 什么是进化深度学习？东北大学等最新《进化深度学习:原理、算法、应用》综述，34页pdf阐述EDL概念以及技术体系

#今日论文推荐# 什么是进化深度学习？东北大学等最新《进化深度学习:原理、算法、应用》综述，34页pdf阐述EDL概念以及技术体系

近年来，深度学习(deep learning, DL)在业界和学术界都有了迅速的发展。然而，寻找DL模型的最优超参数往往需要很高的计算成本和人类的专业知识。为了缓解上述问题，进化计算(EC)作为一种强大的启发式搜索方法，在DL模型的自动化设计中显示出了显著的优点，即进化深度学习(EDL)。本文旨在从自动化机器学习(AutoML)的角度分析EDL。具体地说，我们首先从机器学习和EC两个方面阐述了EDL，并将EDL视为一个优化问题。在此基础上，我们系统地介绍了特征工程、模型生成、模型部署和新的分类(即，什么和如何进化/优化)的EDL方法，并重点讨论了EC处理优化问题时的解决方案表示和搜索范式。最后，提出了该技术的关键应用、有待解决的问题和未来的研究方向。本调研回顾了EDL的最新发展，并为EDL的发展提供了有见地的指导方针。

深度学习(Deep learning, DL)作为一种很有前景的技术，已被广泛应用于各种具有挑战性的任务，如图像分析[102]和模式识别[104]。然而，DL的实践者努力手动设计深度模型，并通过试错找到合适的配置。如图1所示，在特征工程(feature engineering, FE)[225]、模型生成[257]和模型部署[29,31]等不同阶段，将领域知识输入DL。然而，专家知识的难以获取使得深度学习的发展面临着巨大的挑战。相比之下，深度神经网络(DNNs)的自动设计在最近几十年趋于流行[71,257]。主要原因在于自动机器学习(AutoML)在FE[225]、参数优化(PO)[242]、超参数优化(HPO)[185]、神经结构搜索(NAS)[71,230,257]和模型压缩(MC)[78]中的灵活性和计算效率。因此，无需人工干预的AutoML技术引起了人们的极大关注，并取得了很大的进展。

论文题目：Survey on Evolutionary Deep Learning: Principles, Algorithms, Applications and Open Issues
详细解读：https://www.aminer.cn/research_report/6312042b7cb68b460f1255adhttps://www.aminer.cn/research_report/6312042b7cb68b460f1255ad
AMiner链接：https://www.aminer.cn/?f=cs