В рамках поиска архитектуры система находит оптимальные комбинации слоев, которые наиболее эффективно извлекают глубокие признаки для конкретных задач компьютерного зрения. Источник: MONAS на arXiv .
3. Нейронные сети и метод Монте-Карло (Metropolis Monte Carlo)
Новые вычислительные фреймворки ускоряют работу нейросетевых методов Монте-Карло, делая извлечение признаков в квантовой химии и физике более эффективным.
Использование глубоких сверточных сетей (CNN) для классификации морфологии зданий или анализа городских ландшафтов.
Геометрический отбор признаков и модели глубокой агрегации для образовательных целей в архитектуре.
Это наиболее релевантное исследование, где аббревиатура созвучна с «Monaco».