Feb, 2022

演化和自然启发式算法在数据科学和数据分析中的应用

PDF
TL;DR研究发现，在自然界的生物结构和功能中寻找灵感，运用进化算法等自然启发算法最终可以提高数据科学和数据分析的表现，其中特别关注了四种算法的优化应用 —— 特征选择、超参数调整、知识发现和聚类优化。
bionicsevolutionary algorithmsdata sciencedata analyticsoptimization
发现论文，激发创造
  • 自然启发的进化群体优化算法在生物医学图像和信号处理中的应用 —— 一项系统评述

    本文通过回顾 28 篇最新的同行评审相关文章和 26 种自然启发式算法的应用，对其进行归类以帮助读者了解这些算法的可靠性和探索阶段，并讨论了这些算法在生物医学信号处理和生物医学图像处理中的应用。

    Oct, 2023

  • 优化中的自然启发算法：简介、混合化和洞察

    科学和工程中的许多问题都是优化问题，可能需要复杂的优化技术来解决。自然启发算法是一类用于优化的元启发式算法，有些算法或变体通常通过混合来开发。本章重点介绍优化、自然启发算法的概述和混合的作用，并强调算法混合的一些问题。

    Aug, 2023

  • 人工智能中的元启发式算法及其在生物信息学、生物统计学、生态学和制造业中的应用

    应用竞争性带突变主体的自然启发元启发式算法（CSO-MA），在统计科学的各种优化问题中展示其灵活性和相对于竞争对手的出色表现。

    Aug, 2023

  • 基于生物启发特征选择的慢性疾病预测数据集优化

    通过比较分析，本研究证明了生物启发式优化算法在慢性疾病预测的特征选择中的有效性，并强调了数据预处理的重要性，为提高医疗保健结果提供了宝贵的见解。

    Dec, 2023

  • 2019 进化算法综述

    本文提出了五个新的分类来研究进化算法，这些分类主要关注环境控制、搜索过程的解释和重复性、解决方案中输入和输出因果关系的理解、算法偏差的管理以及添加纠正措施的能力，同时也列举了现有算法的分类和未来研究方向。

    Jun, 2019

  • 自然启发特征选择算法在预测学生表现方面的能力比较分析

    预测学生表现是为处于风险学生提供有效的预防措施至关重要。本文通过分析 12 种自然启发算法在预测学生表现上的相对性能，研究了应用于包含基于实例的点击流数据、课内单课程表现以及同时学习多个课程的 3 个数据集。发现在所有数据集中，利用基于自然启发算法的特征选择和传统机器学习算法进行集成，能够提高预测准确性的同时将特征集大小减少了 2/3。

    Aug, 2023

  • 基于自然启发算法的路径规划

    由于其收敛性和随机性，自然启发算法（NIAs）在解决组合优化问题中提供了最优结果，而且在机器人学中的路径规划问题中有广泛的应用。

    Jul, 2023

  • 深度进化方法以生物启发的分类器优化用于脑 - 机交互

    本研究提出一种使用进化计算来选择有用的识别脑电特征并优化人工神经网络拓扑结构的新方法，同时探讨了深度学习和长短时记忆的调整，使用三个分类器对注意状态、情感和数字数据集进行比较，结果表明自适应提升的 LSTM 可以在注意力、情感和数字数据集上分别达到 84.44%、97.06% 和 9.94% 的准确度，进化优化的 MLP 趋近于自适应提升的 LSTM。

    Aug, 2019

  • 演化算法模拟分子进化：一个新的领域提议

    通过将进化算法、机器学习和生物信息学相结合，我们提出了一种计算方法，可以扩展已知功能蛋白家族的词汇表，进而发展出以前从未存在过的全新蛋白质，从而推动计算进化的新子领域的发展。

    Feb, 2024

  • 应用数据驱动的机器学习探索生物信息学问题

    本文研究了当前 13 种常用的机器学习算法在 165 个公开分类问题上的表现，提供数据驱动的算法推荐，并总结出 5 种算法以及与分类问题相关的超参数，用于优化分类器的性能。同时，提供了应用机器学习于监督分类问题的一般指导原则。

    Aug, 2017