연구진은 신경망 구조 설계 자동화를 목표로 하는 Neural Architecture Search (NAS) 분야의 새로운 프레임워크 LP-NAS를 제안했어요.
LP-NAS는 검증 손실 기울기와 학습 손실 헤세션을 활용한 선형 계획법(LP)을 통해 일반화 성능을 향상시키면서 모델 파라미터 최적성을 유지하는 구조 업데이트 방향을 계산해요.
CIFAR-10 및 CIFAR-100 데이터셋 실험 결과, LP-DARTS는 표준 DARTS 알고리즘보다 빠른 수렴 속도와 높은 검증 성능을 보여줬어요.