Jul, 2022

Python 中的进化计算工具包 EC-KitY，具备无缝机器学习集成

PDF
TL;DREC-KitY 是一个用于进行 Python 进化计算的综合计算机库，支持流行的进化计算范例，包括遗传算法，遗传编程，共演进，进化多目标优化等，并可与 scikit-learn 兼容，本文简要概述了该包的主要特点与架构，并将其与其他库进行了比较。
pythonevolutionary computationgenetic algorithmsmachine learningoptimization
发现论文，激发创造
  • EvoTorch：Python 中可扩展的进化计算

    EvoTorch 是基于 PyTorch 的一种演化计算库，提供高纬度最优化问题、GPU 支持和高并行性能。

    Feb, 2023

  • 进化动态优化与机器学习

    这篇论文是关于进化计算、人工智能、进化机器学习、进化动态优化和机器学习之间互相结合的研究，旨在激发进化学习社区的兴趣并在该领域激发创新贡献。

    Oct, 2023

  • 进化与学习的熔炉

    本文调查了我们团队的八项最近研究成果，探讨了进化算法与机器学习以及深度学习的成功结合，包括分类、黑盒算法生成对抗性实例等领域。

    Jun, 2023

  • 用 Emukit 仿真物理过程

    本文介绍了 Emukit—— 一个高度可适应的 Python 工具包，可用于丰富不确定情况下的决策制定，包括贝叶斯优化、多保真度模拟、实验设计、贝叶斯积分和灵敏度分析等领域的研究，同时用户可以轻松地为新问题原型化新的决策制定方法。

    Oct, 2021

  • Python 中的机器学习：Scikit-learn

    Scikit-learn 是一个 Python 模块，集成了各种最先进的机器学习算法，用于解决中等规模的监督和无监督问题，旨在将机器学习带给非专业人士使用通用高级语言，注重易用性，性能和一致的 API。

    Jan, 2012

  • EpiLearn：用于疫情建模的 Python 机器学习库

    EpiLearn 是一个 Python 工具包，用于建模、模拟和分析流行病数据，通过机器学习方法支持流行病建模的评估和分析，包括模拟、可视化、转换等各种综合工具，并提供了一个训练和评估流行病模型的统一框架，用于预测和源检测任务，以及开发新模型的灵活和易用性，同时还开发了一个交互式 Web 应用程序来可视化真实或模拟的流行病数据。

    Jun, 2024

  • 关于 BaumEvA 进化优化 Python 库的测试的技术报告

    该报告介绍了 Python 库 BaumEvA 的测试结果，该库实现了进化算法来优化各种类型的问题，包括伴随着对最佳模型架构的搜索的计算机视觉任务。测试的目的是评估方法的效果和可靠性，并确定它们在各个领域的适用性。测试过程中使用了各种测试函数和进化算法的参数，从而能够评估其在广泛条件下的性能。测试结果表明该库提供了解决优化问题的有效和可靠的方法。然而，在处理具有大维度问题的算法的计算资源和执行时间方面存在一些限制。报告中详细描述了所进行的测试、所得到的结果以及关于遗传算法在各种任务中的适用性的结论。还提供了选择算法参数和使用该库以取得最佳结果的建议。该报告对于涉及复杂计算系统的优化以及研究在科学和技术各个领域使用进化算法的可能性的研究人员和开发人员可能很有用。

    Mar, 2024

  • 机器学习软件的 API 设计：来自 scikit-learn 项目的经验

    本文讨论了 Scikit-learn 机器学习库 API 的设计选择，其中强调了可重用性和组合性，并评论了该库用户和开发者所面临的障碍。

    Sep, 2013

  • ExeKGLib: 知识图谱激励的机器学习分析

    本文介绍了 ExeKGLib，这是一个基于知识图谱的 Python 库，允许具有编码技能和最少机器学习知识的用户构建机器学习管道，提高了建立的 ML 工作流程的透明度和可重用性，并与传统 ML 代码进行比较以展示其优势。

    May, 2023

  • eipy：一个多模态数据集成的开源 Python 软件包，使用异构集成

    该论文介绍了 eipy—— 一个用于开发有效的、多模态的异构集成分类器的开源 Python 包。eipy 同时提供一个严谨且用户友好的框架，通过对其性能进行系统评估并使用嵌套交叉验证来比较和选择最佳的多模态数据融合和预测建模方法。该包旨在利用类似于 scikit-learn 的估计器作为组件来构建多模态的预测模型。eipy 的最新用户指南包括 API 参考和教程的维护可以在此 https URL 找到。该项目的主要存储库可以在 GitHub 的此 https URL 找到。

    Jan, 2024