基于强化学习的自动化神经网络设计

摘要

近年来,深度学习(Deep learning,DL)在图像、语音和自然语言处理等领域都取得了突破性的进展.相比于传统的机器学习,深度学习避免了对于输入数据的手动特征提取,即特征工程(feature engineering),但是却引入了复杂的模型结构设计以及超参数调试工作.强化学习(Reinforcement Learning,RL)是目前最有可能成为通用人工智能的学习策略,本文探讨了如何利用强化学习来从假设空间中选取最优的网络结构,从而避免繁杂的手工设计工作.