- 博客(6)
- 收藏
- 关注
RSS订阅原创 文章品读：基于多个指标的多目标优化随机排序算法（SRA）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章品读：基于多个指标的多目标优化随机排序算法（Stochastic Ranking Algorithm for Many-ObjectiveOptimization Based on Multiple Indicators）前言摘要一、介绍二、前期背景三、提出SRA3.1 综述3.2 指标3.3 基于随机排序的环境选择3.4 时间复杂度分析四、带档案的SRA总结Optimization Based on Multiple Indica
2021-06-19 16:29:21
2024
原创 Journal of Ambient Intelligence and Humanized Computing杂志投稿记录
Journal of Ambient Intelligence and Humanized Computing杂志投稿记录总体的投稿用时差不多11个月，我是去年7月中旬投的稿，今年6月初Accept，中间小修三次。2020年7月中旬 投稿2020年10月中旬 返回意见（小修）2021年1月中旬 返回意见（小修）2021年4月中旬 返回意见（小修）2021年6月 6月 返回意见（小修，编辑认为同意发表，只需稍微修改下格式）总的来说用时还是比较长的，将近一年了。不过可能跟个人水平比较菜也有关
2021-06-15 15:57:28
2691
15
原创 文章品读：多目标优化中的解集质量评估：一项调查 Quality Evaluation of Solution Sets in Multiobjective Optimisation: A Survey
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2021-05-21 20:54:15
783
原创 各种元启发式算法（Metaheuristics）介绍
各种元启发式算法（Metaheuristics）介绍前言一、模拟退火算法（Simulated Annealing）1.二、使用步骤1.引入库2.读入数据总结前言元启发式算法能够在一定程度上在全局进行搜索，找到最优解的近似解。元启发式算法的核心是Exploration和Exploitation。其中，Exploration即尽量探索整个搜索空间，由于最优解可能存在在整个搜索空间的任何位置。而Exploitation即尽可能的利用到有效的信息，在大部分的情况下优解之间往往存在着一定的相关性，利用这些相关性
2021-04-29 23:27:02
20509
原创 神经网络基础知识及模型优化（二）
神经网络基础知识及模型优化（二）前言一、正则化1.过拟合2.权值衰减3.Dropout4.为什么正则化有利于预防过拟合呢？二、超参数的验证1.验证数据2.超参数的最优化3.为超参数选择合适的范围三、偏差和方差参考文献前言接着上一章介绍了参数的更新方法，权重的初始化方法以及Batch Normalization后，这一章将对正则化、超参数验证等进行简单的描述。一、正则化1.过拟合在机器学习中，过拟合是一个很常见的问题。过拟合是指模型只能拟合训练数据，但却不能很好的你和其他数据。奇迹学习的目标即使
2021-04-07 23:20:26
777
原创 神经网络基础知识及模型优化（一）
神经网络基础知识及优化（一）前言一、神经网络参数更新及其方法1.参数更新2.SGD3.Momentum总结前言最近看了西瓜书、深度学习入门：基于Python的理论与实现、吴恩达老师的深度学习笔记等等，由于可能看的东西太多，有些东西看了就忘，于是把一些比较有用的，用于加深理解的，或者以后优化模型可能会用到的知识点进行简单的整理。一、神经网络参数更新及其方法1.参数更新神经网络的学习是为了找到使损失函数的值尽可能小的参数，而寻找最优参数问题的方法很多，接下来将逐步介绍SGD、Momentum、A
2021-04-06 20:25:52
575
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人