机器学习研究在多个方面都取得了进展,包括模型结构和学习方法。自动化此类研究的努力(称为 AutoML)也取得了重大进展。然而,这一进展主要集中在神经网络的架构上,它依赖于复杂的专家设计层作为构建块——或类似的限制性搜索空间。我们的目标是展示 AutoML 可以走得更远:今天可以仅使用基本的数学运算作为构建块来自动发现完整的机器学习算法。我们通过引入一个新颖的框架来证明这一点,该框架通过通用搜索空间显着减少了人为偏见。尽管这个空间广阔,但进化搜索仍然可以发现通过反向传播训练的两层神经网络。然后可以通过直接在感兴趣的任务上进化来超越这些简单的神经网络,例如 CIFAR-10 变体,现代技术从中出现
AMC1 FSTD(A).300 验证测试公差附录 1.................................................................... 116 AMC1 FSTD(A).300 验证数据路线图附录 2.................................................................... 117 AMC1 FSTD(A).300 备用发动机数据要求 – 批准指南(仅适用于全飞行模拟器)附录 3.................................................................................................... 119 AMC1 FSTD(A).300 备用航空电子设备(飞行相关计算机和控制器)数据要求 – 批准指南 ............................................................................................................. 121 AMC1 FSTD(A).300 传输延迟和等待时间测试方法附录 5.................................................................................................................... 122 AMC1 FSTD(A).300 定期评估 - 验证测试数据呈现附录 6.................................................................................................................................... 126 AMC1 FSTD(A).300 CS-FSTD 修订对现有飞机的 FSTD 数据包 ...................................................................................................................... 127 AMC1 FSTD(A).300 附录 8 FSTD 资格等级的一般技术要求 ................................................................................................................................ 128
AMC 23.573(a)(1)&(3) 结构的损伤容限和疲劳评估 – 复合材料机身结构 ...................................................................................................................................... 136 AMC 23.573(b) 结构的损伤容限和疲劳评估 – 金属机身结构 ............................................................................................................................................. 136