La Búsqueda de Arquitectura Neuronal (NAS) es un procedimiento automatizado en el que, mediante algoritmos de optimización, se encuentran arquitecturas de red adecuadas para redes neuronales.
Los métodos típicos incluyen aprendizaje por refuerzo, algoritmos evolutivos o procedimientos diferenciables de búsqueda de arquitectura.
El espacio de búsqueda define posibles arquitecturas, por ejemplo, número y tipo de capas, tipos de conexiones o hiperparámetros.
NAS optimiza tanto el rendimiento (por ejemplo, precisión) como la eficiencia (por ejemplo, coste computacional) y puede así generar modelos mejores que las arquitecturas diseñadas manualmente.
Un aspecto importante es el equilibrio entre el tiempo de búsqueda y la calidad del modelo, ya que NAS suele ser muy intensivo en cálculo y se emplean técnicas como modelos proxy o compartición de pesos para acelerar la búsqueda.