关键词mathematical optimization
搜索结果 - 11
- 机器学习增强的混合整数线性规划的支配分枝
混合整数线性规划 (MILP) 是数学优化领域的重要组成部分，其提供了一个强大的建模语言，适用于各种应用领域。本文总结了近年来在 MILP 求解中使用机器学习算法优化分支定界等主要任务的发展，探索了机器学习和数学优化的整合以及其对 MILP - 基于训练过的神经网络的优化：放松行走
此研究提出了一种基于全局和局部线性松弛的可扩展启发式方法，用于对训练后的神经网络模型进行建模和求解，具有与最先进的整数线性规划（MILP）求解器和之前的启发式方法相竞争，并且在输入、深度和神经元数量增加时能够产生更好的解。
- ICML基于同伦的神经常微分方程训练，用于准确的动态探索
本研究提出一种利用混沌和数学优化的训练算法，可有效解决 NeuralODEs 实际应用中训练时间长，效果不佳的问题。与传统训练方法相比，该算法在不更改模型架构的情况下，可大幅降低误差值，并能够准确地捕捉真实的长期行为并正确地向未来外推。
- 在线凸优化简介
本文研究将优化视为一种过程，强调学习方法的应用，提倡使用鲁棒性的算法并学习实践经验以应对实际应用中复杂环境下的问题。
- 固定角度的等角线
通过基于图形表示的数学优化模型及相关理论如：角度、谱图理论及各自的度量指标，解决了一个长期存在的关于等角线问题，并给出了其中包含的新结果。
- 一种基于条件深度学习的新型拓扑优化方法
本文提出一种基于条件瓦瑟斯坦生成对抗网络的优化拓扑结构方法，与传统算法相比，该方法计算代价极低，只需要通过深度卷积神经网络模拟限定拓扑优化条件的全局设计空间，且得到的优化方案可以得到验证。
- AAAI可解释调度的论证（带证明的完整论文）
使用基于抽象争议框架（AFs）的模型定义了三种类型的 AFs 来证明或反驳使用者或求解器提出的面向固定用户决策的可行、高效或满意日程安排，从而提高解决约束、效率和决策问题的互动性和可解释性。
- NIPSensmallen: 一个灵活的 C++ 库，用于高效的函数优化
ensmallen 是一个快速、灵活的 C++ 数学优化库，可应用于许多机器学习问题，并提供许多预构建的优化器以及一些优化器变体。使用 C ++ 模板元编程，ensmallen 能够支持快速运行时间的编译器优化。该库在实验比较中表现出超越其 - 神经网络超参数优化的有效算法
本文中提出了一种基于箱限制数学优化问题的方法，运用光滑径向基函数模型及无导数优化工具去寻找神经网络的最佳参数。该方法是自动的且可有效地搜索参数空间，其应用于药物相互作用的预测中具有良好的效果，并且所用的优化工具是开源的。
- 一种基于成本的梯度下降优化器
提出了一种基于成本的设计，选出给定机器学习任务的最佳梯度下降规划，通过优化算法和系统配置来支持机器学习的声明性框架，该框架将高层次和易于使用的语言中指定机器学习任务，实验结果表明提出的优化器不仅选择了最佳的梯度下降规划，还允许实现数倍的性能 - 大规模动态资源分配的蒙特卡罗树搜索与数学优化比较
本文比较了应用 Monte Carlo 树搜索和数学优化两种方法解决受动态随机优化问题，基于战术野火管理的问题实例，研究了两种方法在大规模情形下对状态空间和动作空间的表现，发现在计算预算固定的情况下，MO 方法在问题规模增大时胜于 MCTS