algorithm selection | BriefGPT

关键词algorithm selection

搜索结果 - 35

ACL利用相似性启发的终身提示调优减轻负迁移
通过利用可学习的相似度度量标准将任务分为两个不同的子集，相似度启发式终身提示调整（SHLPT）框架实现了从任务中实现了有益的传递，同时 SHLPT 还通过参数池有效地对抗灾难性遗忘，实验证明 SHLPT 在终身学习基准测试中优于现有技术并且
PDF14 days ago
通过图嵌入的最优多智能体路径规划算法选择
多智能体路径规划问题（MAPF）是寻找多个智能体不发生碰撞的路径的问题，该研究论文提出了一种基于图嵌入的解决方案，称为 MAPF 算法选择图嵌入（MAG），通过对 MAPF 问题进行图形编码并利用现代图嵌入算法，该方法在多个 MAPF 算法
PDF16 days ago
黑盒单目标连续优化算法自动选择使用的元特征调查
通过对单目标连续黑箱优化领域的算法选择的关键贡献进行概述，我们介绍了在优化问题实例、算法实例及其交互的元特征表示学习方面的正在进行的工作，并研究了用于自动算法选择、配置和性能预测的机器学习模型，通过这些分析，我们发现了现有技术的不足之处，并
PDF24 days ago
卫星图像的光谱保真度和空间增强评估及级联图像融合技术
该研究提供了卫星影像的全面融合技术评估，重点关注光谱保真度和空间增强两个关键方面。通过建立一种新颖的级联结构评估框架，对现有方法进行了详细比较分析，结果显示在光谱精度提高 88% 的同时实现了空间分辨率的增强。研究揭示了融合技术在遥感应用中
PDFa month ago
深度强化学习用于动态算法选择：关于差分进化的原理验证研究
通过深度强化学习动态算法选择框架，本文提出了一种旨在解决单一算法在解决不同问题实例时的有效性差异的方法，该方法利用一组算法的互补优势，并在优化过程中动态调度它们以解决特定问题。
PDF4 months ago
Markovletics: 学习连续时间马尔可夫链混合模型的方法及一种新应用
该研究介绍了一种新颖的连续时间马尔可夫链混合模型，重点研究了观察路径长度和混合参数对问题范畴的影响，并通过实验证明了离散化连续时间路径对混合模型的可学习性有重要影响，为不同问题情境下的算法选择提供了关键见解。
PDF4 months ago
AS-LLM：算法选择与大型语言模型相结合
该论文提出了一种将算法表示集成到算法选择过程中的方法，通过模块化提取问题和算法的表示，利用预训练的 LLMs 来计算匹配度，实验证实了该模型的有效性以及预训练 LLMs 的性能，表明该算法选择框架有潜力作为评估 LLMs 编码表示能力的基准
PDF7 months ago
KDDOpportunityFinder：一个自动因果推断框架
OpportunityFinder 是一个面向非专业用户的无代码框架，用于进行多种带面板数据的因果推断研究。它提供易于使用的界面、多种算法的抽象接口、支持二进制治疗带面板数据的因果影响分析以及基于数据规模的动态算法选择。
PDF9 months ago
分布式机器学习资源上的混合算法选择和超参数调优：一种基于层次代理的方法
该研究论文提出了一种全自动、协作的基于代理机制的方法，用于选择分布式组织的机器学习算法并同时调整其超参数，以实现扩展性、灵活性和鲁棒性。通过理论评估、形式验证和分析研究，证明了该技术的正确性、资源利用和计算效率。在对 24 种算法和 9 个
PDF10 months ago
评估内部聚类验证指标的新方法
无监督分类的最优算法选择和聚类验证是一个广泛研究的问题，该论文回顾了现有的内部验证指标方法，并提出了一种新的方法。
PDFa year ago
Transformers 作为统计学家：具有证明的上下文学习和上下文算法选择
本文提供了建立在 transformer 结构上的神经序列模型的全面统计理论，阐述其在上下文数据分布中能够实现一类广泛的标准机器学习算法，基于上下文梯度下降机制的实现，以及不同算法之间的自适应选择。
PDFa year ago
非监督式异质传感器信号变点检测
本文介绍无监督变点检测技术，该方法适用于处理各种数据源，无需大量标注数据，并针对多项评估标准比较不同算法。
PDFa year ago
卷积神经网络分类中的自动学习算法选择
本文介绍一种基于元学习的分类器自动选择算法，通过使用卷积神经网络直接学习表格数据的内在结构，来提高二元分类的性能，并在模拟和真实数据集上实验证明，这种方法优于基于元特征的传统两步方法。
PDFa year ago
自主无人机导航的强化学习应用：系统综述
该研究探讨了使用强化学习算法解决无人机导航问题，讨论了不同环境下的算法特性和选择，并提出未来的研究方向。
PDF2 years ago
从学习曲线挑战中进行元学习：第一轮的经验教训和第二轮的设计
本论文介绍了一系列基于强化学习的元学习挑战，并分析了第一轮竞赛的结果，探讨了元学习者从学习曲线中学习成功的关键因素。同时，基于第一轮竞赛的经验和参与者的反馈，设计了新的协议和元数据集，开展了第二轮挑战。
PDF2 years ago
ADBench: 异常检测基准
本文通过对 30 种算法在 57 个数据集上进行广泛实验，从不同角度回答了关于异常检测算法与监督程度、异常类型、噪声数据表现的问题。在对 ADBench 数据集进行全面介绍的同时，文章提出了未来算法选择和设计方向，并且为作者贡献的数据集提供
PDF2 years ago
自动强化学习概述
论文探讨自动化强化学习的关键元素和挑战，并讨论自动化强化学习的最新工作、应用和研究方向。
PDF2 years ago
MMAuto-Surprise: 一款使用 Tree of Parzens Estimator (TPE) 优化的自动化推荐系统 (AutoRecSys) 库
Auto-Surprise 是一款自动化推荐系统库，相较于 Surprise 推荐系统库，Auto-Surprise 可以更好地进行算法选择和配置，并在影片评级数据集、图书交叉数据集和 Jester 数据集方面表现更好，同时还可以选择运行时
PDF4 years ago
使用动态算法配置学习启发式选择
通过动态算法配置和强化学习，可以使用多个启发式方法进行规划，并考虑内部搜索动态，以选择最有用的启发式方法，在一定程度上可以大幅提高启发性搜索的性能。
PDF4 years ago
通用黑盒优化
本文介绍了 Shiwa 算法，它可用于离散和连续、有噪音和无噪音、单项和并行、黑盒优化。通过在 YABBOB 和几个变体上进行实验比较，并在几个实际测试平台上验证了该算法。
PDF4 years ago