본 논문은 하이퍼파라미터 최적화(HPO)의 효율성을 높이기 위해 하이퍼파라미터 중요도 평가(HIA)를 활용하는 새로운 전략인 '순차적 그룹화(Sequential Grouping)'를 제안합니다. 기존의 그리드 서치나 랜덤 서치, 베이지안 최적화와 같은 방법들은 시간과 계산 자원이 많이 소모되는 한계를 가지고 있는데, 본 논문에서는 CNN과 10개의 이미지 분류 데이터셋을 사용하여 10개의 하이퍼파라미터 중요도를 사전에 평가한 결과를 바탕으로, 중요도가 높은 하이퍼파라미터부터 순차적으로 최적화하는 새로운 전략을 제시합니다. 6개의 추가적인 이미지 분류 데이터셋을 이용한 실험 결과, 제안된 방법은 기존의 동시적 전략에 비해 평균 31.9%의 최적화 시간을 단축하면서 모델 성능 저하 없이 HPO를 가속화할 수 있음을 보여줍니다.
