연구진이 다양한 신경망 아키텍처에서 학습률 스케줄링 전략을 체계적으로 평가했어요. 30개 아키텍처를 대상으로 25개 스케줄링 설정을 실험해 3,938개 모델 변형을 CIFAR-10 데이터셋에서 평가했죠. CosineAnnealingWarmRestarts와 CyclicLR이 기본 감쇠 전략보다 성능이 우수했고, 최적 설정은 86.45%의 정확도를 달성했어요.
연구 결과는 LEMUR nn-데이터셋에 기여했으며, 체계적인 스케줄러 선택을 위한 실용적인 참고 자료를 제공해요. 이 데이터셋은 다양한 아키텍처에 따른 학습률 스케줄링 전략의 성능을 보여줘요.