多目标神经架构搜索

演进式搜索

针对认知诊断任务，通过进化多目标优化同时提升模型准确性与可解释性，突破人工设计限制。

Yang, Shangshang · Haiping, Ma · Bi, Ying · 田野 · Limiao, Zhang · Jin, Yaochu · 张兴义

IEEE Transactions on Evolutionary Computation 2024

技术优势

性能显著提升

搜索到的模型在实验中表现显著优于现有模型。

可解释性不妥协

搜索到的模型保持与手工设计模型相当的可解释性。

搜索空间全面

采用能涵盖三种不同输入类型的通用模型，覆盖所有候选架构。

可解释性目标创新

设计可解释性目标，将搜索任务形式化为双目标优化问题。

应用场景

• 智能教育：为智能教育平台提供更高精度的学生知识水平诊断。
• 认知诊断：自动搜索更有效的认知诊断模型架构。
• 神经架构搜索：利用进化多目标搜索发现新颖且高性能的架构。
• 多目标优化：同时优化模型性能与可解释性两个目标。
• 进化计算：采用多目标遗传编程进行架构搜索。