Core Concepts
신경망 구조 검색 시스템은 주어진 신경망 구조와 유사한 기존 신경망 구조를 효율적이고 자동으로 검색하는 것을 목표로 한다.
Abstract
본 연구에서는 신경망 구조 검색(Neural Architecture Retrieval, NAR)이라는 새로운 문제를 정의하였다. NAR은 주어진 신경망 구조와 유사한 기존 신경망 구조를 검색하는 것을 목표로 한다.
기존의 그래프 사전 학습 전략은 신경망 구조의 그래프 크기와 모티프 특성으로 인해 효과적인 그래프 표현 학습을 달성하기 어렵다. 이를 해결하기 위해 본 연구에서는 그래프를 모티프로 분할하고 이를 이용하여 거시 그래프를 재구축하는 방법을 제안하였다. 또한 다수준 대조 학습을 도입하여 정확한 그래프 표현 학습을 달성하였다.
실험 결과, 제안 방법은 인간 설계 신경망 구조와 합성 신경망 구조 모두에서 우수한 성능을 보였다. 또한 12,000개의 실제 신경망 구조와 해당 임베딩을 포함하는 새로운 데이터셋을 구축하였다.
Stats
신경망 구조의 그래프 크기는 LeNet-5와 ViT-L 사이에서 크게 다양하다.
신경망 구조에는 ResNet 블록, ViT 자기 주의 모듈 등의 모티프가 존재한다.
Quotes
"기존 그래프 사전 학습 전략은 신경망 구조의 그래프 크기와 모티프 특성으로 인해 효과적인 그래프 표현 학습을 달성하기 어렵다."
"본 연구에서는 그래프를 모티프로 분할하고 이를 이용하여 거시 그래프를 재구축하는 방법을 제안하였다."