Jun, 2024

基于迭代局部搜索 - 麻雀搜索算法的用户 VR 体验预测的随机森林机器学习算法优化

PDF
TL;DR通过引入麻雀搜索算法和基于迭代局部搜索优化的麻雀搜索算法改进的随机森林算法，对改进的 VR 用户体验预测方法进行了研究，提供了新的思路和方法，特别是基于迭代局部搜索 - 麻雀搜索算法的改进模型表现良好，在 VR 用户体验的预测和分类方面能更准确地进行预测，并可在其他领域进一步探索应用，验证其效果，促进用户体验领域人工智能技术的发展。
发现论文，激发创造
  • 基于粒子群优化的行业物联网和智慧城市服务联邦学习

    本文提出了一种基于粒子群优化（PSO）技术来优化本地机器学习模型超参数设置的 FL 环境的方法，结果表明与基于网格搜寻方法相比，PSO 提供了深度 LSTM 模型调优的高效方法。

    Sep, 2020

  • 基于超视距空战模拟的导弹发射有效监督机器学习

    本研究基于可靠的建模模拟数据，比较了监督机器学习方法在估算在空中战斗期间发射导弹的最有效时刻的能力，并采用重新采样技术提高预测模型，发现基于决策树的模型性能显着更优越，而其他算法对重新采样技术具有显著灵敏度。获得最佳 f1-score 的模型在没有和使用重新采样技术时的值分别为 0.379 和 0.465，后者增长了 22.69%。因此，通过构建模拟数据可以开发基于机器学习模型的决策支持工具，从而提高空战中的飞行质量，增加攻击特定目标的有效性。

    Jul, 2022

  • RF+clust 用于留一问题外性能预测

    研究自动算法配置和性能预测的方法，在机器学习中使用 “留一问题”，分析了随机森林模型和基于余弦相似度测量特征相似性阈值对预测性能的影响，并提出了零样本学习环境下的特征选择问题。

    Jan, 2023

  • 通过有针对性的人类判断来提高对话代理的对齐

    利用强化学习和人类反馈训练信息检索对话代理程序 Sparrow，并在模型语句询问用户偏好时提供支持性证据，比 Prompted language baselines 更有帮助、更正确和更无害，但需要注意分布偏差。

    Sep, 2022

  • 协同过滤的高效数据特定模型搜索

    本文提出了一种使用 AutoML 技术设计特定于数据的 CF 模型的新框架，其中关键是将 SOTA CF 方法统一为输入编码、嵌入函数、交互函数和预测函数的不相交阶段，以及使用随机搜索和性能预测器的易于使用、强大且高效的搜索策略。在五个真实数据集上的广泛实验表明，我们的方法可以在各种 CF 任务上始终优于 SOTA 方法，搜索到的 CF 模型还可以为探索更有效的方法提供启示。

    Jun, 2021

  • 精准摄像机定位的回溯回归森林

    本文提出了一种基于随机森林的相机定位方法，通过采用样本平衡策略和修正不正确的 2D-3D 对应关系，可以在室内和户外的 RGB 应用场景中实现相对准确的定位效果。

    Oct, 2017

  • Spark 云计算环境下大数据随机森林并行算法

    本文介绍了在 Apache Spark 平台上针对大数据的并行随机森林（PRF）算法，其使用数据并行和任务并行优化的混合方法进行优化，包括垂直数据分区、数据多路复用、维度约减、加权投票等技术，实验结果显示该算法在分类准确性、性能、可扩展性等方面具有卓越的优势。

    Oct, 2018

  • 基于先验知识的监督个性化排序推荐

    研究论文提出了一种新的监督个性化排序（SPR）损失函数，改进了常用的点级和对级损失函数的问题，通过利用先前的知识信息，构造 <用户、相似用户、正面项目、负面项目> 四元组，大大加快了收敛速度，提高了推荐性能。

    Jul, 2022

  • 概率随机森林：一种用于嘈杂数据集的机器学习算法

    本研究修改了基于随机森林 (Random Forest，RF) 的算法，提出了一种新的基于概率随机森林 (Probabilistic Random Forest，PRF) 的机器学习算法，用于处理带有不确定性的天文数据，能够有效提高分类准确性以及应用于转移学习。

    Nov, 2018

  • 多层建筑中基于数据驱动的预测决策点选择的方法研究

    应用机器学习算法研究复杂室内建筑中行人路径选择行为的潜力探索。

    Aug, 2023