误差低至2.6%
用图神经网络直接学习神经网络结构，比线性方法更准、更通用。
郭朝鹏 · Zhao-Jin, Zhong · Zexin, Zhang · 宋杰
Digital Communications and Networks 2024
由于双向GNN能同时考虑每个层的输入和输出连接，捕捉到线性方法忽略的结构依赖。
在随机生成的数据集上训练，不依赖特定网络集合，因此对未见过的体系结构也能保持低误差。
在近年10个典型CNN和7个NAS设计的CNN上评估，展示了跨架构的实用精度。
代码已公开，研究者可直接复现并用于自己的设计流程。