HyperFDA: A Bi-level optimization approach to Neural Architecture Search and Hyperparameters Optimization with Fractal Decomposition-based Algorithm - Université Paris-Est-Créteil-Val-de-Marne
Communication Dans Un Congrès Année : 2020

HyperFDA: A Bi-level optimization approach to Neural Architecture Search and Hyperparameters Optimization with Fractal Decomposition-based Algorithm

Léo Souquet
  • Fonction : Auteur
Nadiya Shvai
  • Fonction : Auteur
Arcadi Llanza
  • Fonction : Auteur
Amir Nakib
  • Fonction : Auteur
Laboratoire Images, Signaux et Systèmes Intelligents
SIMO

Domaines

Informatique [cs]

Lab Simo  : Connectez-vous pour contacter le contributeur

https://hal.u-pec.fr/hal-04348568

Soumis le : samedi 16 décembre 2023-18:27:43

Dernière modification le : dimanche 17 décembre 2023-03:09:52

Fichier non déposé

Dates et versions

hal-04348568 , version 1 (16-12-2023)

Identifiants

Citer

Léo Souquet, Nadiya Shvai, Arcadi Llanza, Amir Nakib. HyperFDA: A Bi-level optimization approach to Neural Architecture Search and Hyperparameters Optimization with Fractal Decomposition-based Algorithm. In Proc.of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO'20), Jul 2020, Cancún, Mexico. ⟨10.1145/3377929.3390056⟩. ⟨hal-04348568⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

LISSI UPEC
12 Consultations
0 Téléchargements

Altmetric

Partager

More