软件学报

作者：李晴，汪启昕，李子遇，祝志远，张诗皓，牟浩南，杨文婷，邬霞

单位：李晴，认知神经科学与学习国家重点实验室(北京师范大学), 北京 100875;北京师范大学 人工智能学院, 北京 10087511,汪启昕，北京师范大学 人工智能学院, 北京 10087502,李子遇，北京师范大学 人工智能学院, 北京 10087503,祝志远，北京师范大学 人工智能学院, 北京 10087504,张诗皓，北京师范大学 人工智能学院, 北京 10087505,牟浩南，北京师范大学 人工智能学院, 北京 10087506,杨文婷，北京师范大学 人工智能学院, 北京 10087507,邬霞，北京师范大学 人工智能学院, 北京 10087508

关键词：神经网络结构搜索;脑数据分析;神经网络;深度学习

基金：国家自然科学基金(62206024, 62236001); 北京市自然科学基金(4212037)

神经网络结构搜索(neural architecture search, NAS)是自动化机器学习的重要组成部分, 已被广泛应用于多个领域, 包括计算机视觉、语音识别等, 能够针对特定数据、场景、任务寻找最优的深层神经网络结构. 将NAS引入至脑数据分析领域, 能够在图像分割、特征提取、辅助诊断等多个应用领域大幅度提升性能, 展现低能耗自动化机器学习的优势. 基于NAS进行脑数据分析是当前的研究热点之一, 同时也具有一定挑战. 目前, 在此领域,国内外可供参考的综述性文献较少. 对近年来国内外相关文献进行了细致地调研分析, 从算法模型、研究任务、实验数据等不同方面对NAS在脑数据分析领域的研究现状进行了综述. 同时, 也对能够支撑NAS训练的脑数据集进行了系统性总结, 并对NAS在脑数据分析中存在的挑战和未来的研究方向进行了分析和展望.

来源：2024年第4期

《软件学报》期刊编辑部

查看软件学报杂志2024年第4期