机构名称：
¥ 2.0
抽象优化手头任务的机器学习管道需要仔细配置各种超参数，通常由AutoML系统支持，该系统优化给定培训数据集的超参数。然而，取决于汽车系统自己的二阶元元素构造，汽车过程的性能可能会发生显着变化。当前的自动系统无法自动将自己的配置调整为特定用例。此外，他们无法对管道及其生成的有效性和效率汇编用户命令的应用程序约束。在本文中，我们提出了CAML，该CAML使用元学习来自动调整其自己的汽车参数，例如搜索策略，验证策略和搜索空间，以完成手头的任务。CAML的动态自动策略将用户限制的约束考虑在内，并获得具有高预测性能的约束 - 满足管道。
定量调查
主要关键词
相关文件推荐
