MOSHO：原生离散鲨鱼启发式用于硬件感知NAS
热点事件持续更新
MOSHO：原生离散鲨鱼启发式用于硬件感知NAS
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Nazim Abdeerhmane Aouni 等作者提出 MOSHO，一种原生离散多目标鲨鱼狩猎优化元启发式方法，用离散架构编辑算子替代连续运动方程，用于硬件感知神经架构搜索。 在 NAS-Bench-201/HW-NAS-Bench 合并基准的 18 个场景中，MOSHO 取得 0.9987 的中位归一化超体积和 0.0064 的 IGD+，Pareto 前沿与 NSGA-II 相当，搜索运行时间从 17.72 秒降至 0.64 秒，减少 96.4%。
AI 根据报道生成 · 43 分钟前更新
最新进展10月27日 12:00
MOSHO：面向硬件感知神经架构搜索的原生离散鲨鱼启发元启发式算法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIMOSHO：面向硬件感知神经架构搜索的原生离散鲨鱼启发元启发式算法
MOSHO 是一种原生离散元启发式算法，用离散架构编辑算子替代连续运动方程，用于硬件感知神经架构搜索。在 NAS-Bench-201/HW-NAS-Bench 合并基准的 18 个场景中，MOSHO 取得 0.9987 的中位归一化超体积和 0.0064 的 IGD+，Pareto 前沿与 NSGA-II 相当，搜索运行时间从 17.72 s 降至 0.64 s，减少 96.4%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。