Artigo em revista científica Q1
Neural architecture search for 1D CNNs - Different approaches tests and measurements
João Cordeiro (Cordeiro, J.); António Raimundo (Raimundo, A.); Octavian Postolache (Postolache, O.); Pedro Sebastião (Sebastião, P.);
Título Revista
Sensors
Ano
2021
Língua
Inglês
País
Suíça
Mais Informação
Web of Science®

N.º de citações: 0

(Última verificação: 2022-06-25 20:23)

Ver o registo na Web of Science®

Scopus

N.º de citações: 0

(Última verificação: 2022-06-26 00:13)

Ver o registo na Scopus

Google Scholar

N.º de citações: 0

(Última verificação: 2022-06-25 17:45)

Ver o registo no Google Scholar

Abstract/Resumo
In the field of sensors, in areas such as industrial, clinical, or environment, it is common to find one dimensional (1D) formatted data (e.g., electrocardiogram, temperature, power consumption). A very promising technique for modelling this information is the use of One Dimensional Convolutional Neural Networks (1D CNN), which introduces a new challenge, namely how to define the best architecture for a 1D CNN. This manuscript addresses the concept of One Dimensional Neural Architecture Search (1D NAS), an approach that automates the search for the best combination of Neuronal Networks hyperparameters (model architecture), including both structural and training hyperparameters, for optimising 1D CNNs. This work includes the implementation of search processes for 1D CNN architectures based on five strategies: greedy, random, Bayesian, hyperband, and genetic approaches to perform, collect, and analyse the results obtained by each strategy scenario. For the analysis, we conducted 125 experiments, followed by a thorough evaluation from multiple perspectives, including the best-performing model in terms of accuracy, consistency, variability, total running time, and computational resource consumption. Finally, by presenting the optimised 1D CNN architecture, the results for the manuscript’s research question (a real-life clinical case) were provided.
Agradecimentos/Acknowledgements
--
Palavras-chave
1D CNN,1D NAS,CNN architecture tuning,CNN hyperparameters,Neural Architecture Search,Optimisation algorithms testing,Tests and measurements
  • Ciências da Computação e da Informação - Ciências Naturais
  • Ciências Físicas - Ciências Naturais
  • Ciências Químicas - Ciências Naturais
  • Ciências Biológicas - Ciências Naturais
  • Outras Engenharias e Tecnologias - Engenharia e Tecnologia
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
  • Medicina Clínica - Ciências Médicas
  • Outras Ciências Médicas - Ciências Médicas
Registos de financiamentos
Referência de financiamento Entidade Financiadora
2020.07443.BD Fundação para a Ciência e a Tecnologia
UIDB/50008/2020 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.