您可能还想查看有关神经进化的文献。例子：

• 萨伦巴，沃伊切赫。伊利亚·萨茨克维尔。Rafal Jozefowicz “循环网络架构的实证探索。 ”（2015 年）：使用进化计算找到最佳 RNN 结构。
• 弗兰克·德农库尔。“内侧网状结构：动作选择的神经基质？通过进化计算进行评估。 ”。硕士论文。École Normale Supérieure Ulm。2011 年。
• 拜耳、贾斯汀、丹·维斯特拉、朱利安·托格里乌斯和尤尔根·施米德胡伯。“用于序列学习的进化记忆细胞结构。 ”在人工神经网络国际会议上，第 755-764 页。Springer Berlin Heidelberg, 2009.：使用进化计算找到最佳 RNN 结构。

强化学习：

• Pham、Hieu、Melody Y. Guan、Barret Zoph、Quoc V. Le 和 Jeff Dean。“通过参数共享进行高效的神经架构搜索。” arXiv 预印本 arXiv:1802.03268 (2018)。https://arxiv.org/pdf/1802.03268.pdf
• Zoph, Barret 和 Le, Quoc V. 强化学习的神经架构搜索。在 ICLR，2017 年。https : //arxiv.org/abs/1611.01578
• 何塞·M·阿尔瓦雷斯，马修·萨尔兹曼。学习深度网络中的神经元数量。NIPS 2016. https://arxiv.org/abs/1611.06321

• Bowen Baker、Otkrist Gupta、Nikhil Naik、Ramesh Raskar。使用强化学习设计神经网络架构。https://arxiv.org/abs/1611.02167

• Barret Zoph, Quoc V. Le. 带有强化学习的神经架构搜索。https://arxiv.org/abs/1611.01578

各种各样的：

• Marcin Andrychowicz、Misha Denil、Sergio Gomez、Matthew W. Hoffman、David Pfau、Tom Schaul、Brendan Shillingford、Nando de Freitas。通过梯度下降学习梯度下降。https://arxiv.org/abs/1606.04474
• Franck Dernoncourt，Ji Young Lee使用高斯过程优化神经网络超参数以进行对话行为分类，IEEE SLT 2016。
• Cortes、Corinna、Xavi Gonzalvo、Vitaly Kuznetsov、Mehryar Mohri 和 Scott Yang。“AdaNet：人工神经网络的自适应结构学习。” arXiv 预印本 arXiv:1607.01097 (2016)。https://arxiv.org/abs/1607.01097：学习网络结构及其权重的方法。

似乎研究正朝着这样的方向发展：

• 米科尼，托马斯。“具有可微结构的神经网络。 ”，arXiv（2016）：作者引入了可微网络结构的概念，将其包含在目标函数中。

谷歌的AutoML就是这样一个例子。它成功地应用于 ImageNet 数据集，由此产生的NASNet，在撰写本文时，在准确性方面已经超过了所有其他模型。主要论文在这里：

学习用于可扩展图像识别的可迁移架构——Zoph 等。人。