A NAS mint probléma a neurális architektúrák hiperparamétereinek optimalizációját foglalja magában.

Egy neurális hálózatban a rétegek száma például hiperparaméter

Hiperparamétereknek nevezzük azon paramétereket egy neurális hálózatban, melyek nem optimalizáltatóak gradiens alapú módszerekkel

Gradiens alapú optimalizációval egy architektúra és tanítás paraméterei közül csak a diszkrét értékűeket. optimalizálhatjuk

Az evolúciós algoritmusok klasszikus lépései a szelekció, rekombináció és mutáció

A reinforcement learninget általában olyan feladatok esetén használjuk, ahol több mint 4 lehetséges kimenet közül kell választani

A supernetwork alapú NAS (pl DNAS ) azért jó, mert célzottan celluláris struktúrák optimalizációjához fejlesztették

Gradiens alapú optimalizációval egy architektúra és tanítás paraméterei közül csak a folytonosakat optimalizálhatjuk

Az evolúciós algoritmusokat a természetes evolúció folyamatai inspirálták

A supernetwork alapú NAS (pl DNAS ) azért jó, mert olyan problémák is vizsgálhatóak vele, ami a ima NAS-sal nem