![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
进化计算
文章平均质量分 77
Airser
假装自己熟练java,c++,python
展开
-
《A gradient-guided evolutionary approach to training deep neural networks》 翻译
摘要毫无疑问,有效的神经网络(NNs)训练对其分类性能而言是重要的。虽然已经广泛开发了一系列基于梯度的 方法,但它们因易于陷入局部最优和对超参数的敏感性而受到批评。由于高度的鲁棒性和广泛的适用性,进化算法 (EA) 近年来被认为是训练神经网络的一种有前途的替代方法。然而,EA 受到维度灾难的影响,并且在训练深度 神经网络方面效率低下。通过继承梯度法和 EA 的优点,本文提出了一种梯度引导的进化方法来训练深度神经网络。 所提出的方法提出了一种新的遗传算子来优化搜索空间中的权重,其中搜索方向由权重的梯度决定。翻译 2022-03-14 21:06:06 · 504 阅读 · 0 评论 -
进化计算学习笔记(2)
过了半年多了,现在也到下学期,想起来还有这个事,就来填填坑话不多说,直接上一个遗传算法的python代码(根据老师的PlatEMO框架里面的GA代码复现,具体matlab代码请看PlatEMO我这里用到了cupy,CUPY相当于是numpy的升级版,会加快两个ndarray之间的运算,具体用法请看官方文档,本质上与numpy不尽相同,就只有一些数据类型上不一样。from math import floorimport cupy as cpimport timeclass GA: def原创 2021-06-22 15:15:43 · 259 阅读 · 0 评论 -
进化计算学习笔记(1)
Pareto解:是非支配解。在多目标任务中,由于目标之间存在冲突,虽然有一个解在某个目标上是最好的,但在其他目标上可能是最差的。在改进这些目标的同时,势必会削弱其他目标的性能。在不削弱其他目标函数性能的前提下能改进至少一个目标的解称为Pareto解。Pareto最优解:就是所有Pareto解中最好的一个解,能将至少一个目标函数优化到尽可能好而且不会削弱其他目标函数的性能。支配:A的所有都比B好,称为A支配B。被支配:B的所有都比A差,称为B被A支配。非支配:A中有比B好的也有比B差的,称A与B为非支原创 2020-09-22 22:01:22 · 1157 阅读 · 3 评论