关键词evolutionary optimization
搜索结果 - 17
- 多智能体量子强化学习基于进化优化
多智能体强化学习中的量子强化学习通过使用量子力学的内在属性降低了模型的可训练参数，我们基于无梯度量子强化学习的现有方法，并通过变分量子电路的树状方法提出了多智能体强化学习的方法，使用进化优化算法，我们在 Coin Game 环境中评估了我们 - NeuroEvoBench：用于深度学习应用的进化优化器基准测试
最近，深度学习社区对进化优化（EO）产生了兴趣，其作为解决难以优化问题的手段，例如，通过长内循环展开进行元学习或优化非可微分运算符。这一趋势的一个核心原因是硬件加速和兼容软件的最新创新 - 使得分布式种群评估比以前更容易。然而，与基于梯度下 - 进化回溯合成路线规划
分子逆合成是一个重要且复杂的化学问题，传统的手动合成方法不仅需要训练有素的专家，而且耗时，随着大数据和机器学习的发展，基于人工智能的逆合成引起了越来越多的关注，成为分子逆合成的有价值工具。我们提出了一种基于进化优化的逆合成路线规划的新方法， - 高效数据驱动深度学习优化的光子结构：纳米鳍片和环形凹槽相位掩模应用
利用元表面技术对薄膜光学进行光学特性的灵活操控，本研究提出了一种替代优化框架来开发适用于天文高对比度成像的两种旋涡相位面具，其中的几何特征通过计算智能技术进行优化。为解决传统方法的不足，引入一种数据高效的进化优化设置，利用深度神经网络作为高 - 从一组帕累托最优解中识别能源管理配置概念
本研究对 20000 个 Pareto-optimal 的建筑能源管理配置进行了多个概念识别迭代，为决策者提供了决策基础。研究表明，不同的配置描述空间设置揭示了配置数据的几个不同方面。
- ICML进化优化中的彩票神经网络：针对稀疏反向传播训练的可行性研究
本文研究彩票票据现象是否是基于梯度训练的特异性，或者是否也适用于进化优化，我们确立了高度稀疏训练初始化的存在，并且在黑盒进化中使用时，我们发现这些初始化编码了归纳偏差，可以跨越不同的 ES、相关任务和 GD-based training。最 - 基于推荐系统的大规模多目标优化方法
本研究提出了 VMORS 方法，将 100,000 到 500,000 维度的大规模多目标优化问题转化成适于推荐系统处理的问题，使用 Thompson 抽样推荐最适合不同用户（解决方案）的进化方向（项目），以在可接受的时间内在非常大的搜索空 - 自监督学习中的进化增强策略优化
本文介绍了一种基于自主学习算法的预训练深度神经网络的方法，通过演化搜索方法在预处理任务的数据增益管道中编码数据增益算子的不同组合，优化所谓的‘拟预处理任务’，并测量了增强运算器对几个最先进的自监督学习算法性能的影响。研究结果表明，优化规则采 - eVAE: 进化变分自编码器
该研究提出了一种将遗传算法和变分自编码器相结合的进化变分自编码器方法，通过动态生成和更新不确定性权衡学习，解决了现有方法中面临的问题，包括 KL 消失问题和基于深度学习中的早期收敛和随机搜索问题。实验结果表明，与竞争方法相比，eVAE 在文 - evosax: 基于 JAX 的进化策略
通过 GPU 加速计算及发布基于 JAX 的 evosax 库支持的 30 种演化式算法及硬件优化，本文探究了深度学习和演化式优化间的结合，以进一步推动黑箱优化算法的发展。
- 自动动态算法配置
文章主要介绍了一个新兴的自动化动态算法配置（DAC）领域，总结了相关先前的研究成果和现有的解决方法，并进行了以进化优化、人工智能规划和机器学习为例的实证案例研究。
- 戴森环之友会：ACT&Friends 在 GTOC 11 中的结果和方法
本文所描述的是在 GTOC 11 挑战赛中，ACT&Friends 团队利用机器学习、组合优化、计划与调度以及进化优化等技术，开发了一种全自动管道，用于构建一个先导型 Dyson 结构，并综述了该解决方案的具体步骤及其实现效果，其中，该结构 - FL-AGCNS：用于自动图卷积网络搜索的联邦学习框架
提出了一种基于进化优化策略以及 GCN SuperNet 和参数共享策略的 FL-AGCNS 算法，该算法适用于分布式和私有数据集的联邦学习场景，实验结果表明，在 FL 框架下，FL-AGCNS 显著优于当前最先进的 NAS 方法和 GCN - 面向生物序列设计的基于种群的黑盒优化
该研究论文研究了如何通过黑盒优化算法设计新的生物序列，提出了一种名为 P3BO 的人口基础的黑盒优化算法，并结合进化优化算法在线调整超参数，实验证明 P3BO 可以提供更高质量、多样化的序列，是将机器学习应用于实际序列设计的重要步骤。
- 用于深度多任务网络的进化架构搜索
通过进化优化，结合自定义路由和共享模块，提高了 Omniglot 的多任务、多字符识别的表现，为深度神经网络和复杂系统设计提供了重要思路。
- 马尔科夫脑 —— 技术介绍
本文介绍了 Markov 脑是一种可演化人工神经网络，由许多计算组件构成，在接收感官输入和控制运动输出时相互作用和进化优化。
- 使用 Optunity 进行轻松的超参数搜索
Optunity 是一个免费软件包，专门用于超参数优化，包含各种类型的优化器，主要关注易用性、灵活性、代码清晰度和在机器学习环境中的兼容性，可与 Python、R 和 MATLAB 等环境进行交互，采用 BSD 许可协议并在网上免费提供。