自动超参数优化:算法和应用综述论文.pdf

从简单的样本到困难的样本,以一种有意义的顺序,使用课程学习可以提供比基于随机数据变换的标准训练方法更好的性能,而不需要额外的计算成本。

基于PSO算法的-SVM算法参数优化，王洁，白静，在v-SVM算法参数选择中，现多采用反复试验的方法，局限性较大且操作复杂。因此，本文采用了粒子群算法来优化v-SVM中的参数，并将之��

基于人工鱼群算法的SVM参数优化及应用，杨利红，白静，在支持向量机的应用中发现其学习性能的好坏与核函数及其参数选择有着直接的关系，但由于应用不同，各类特征有很大的差别，并且无

从论域中各个元素之间所具有的客观关系出发，利用集值映射的原理在论域上得到一个覆盖，构造了一种新的覆盖粗糙集模型；研究了与之相关的基本性质，并将其与现有的5种主要的覆盖粗糙集模型进行比较研究。为如何根据

指出遗传算法的不足，将免疫学原理引入遗传算法，进而形成免疫遗传算法。针对免疫遗传算法在优化问题中的研究现状，从编码技术、先验知识、操作算子、混沌理论引入、多种群方式、与小生境理论结合等方面进行了总结，

作为未来先进制造系统的重要发展方向，自动化制造单元（robotic cells）在半导体和印刷电路板制造、化学电镀、钢铁冶炼和机械制造等行业获得了日趋广泛的应用。为全面总结自动化制造单元调度算法的研究

不确定条件下的优化问题更贴近真实世界环境，因而日益受到广泛关注。综述了蚁群优化在求解一组不确定条件下的组合优化问题，即随机组合优化问题方面的应用。首先介绍了不确定条件下组合优化问题的概念分类模型，给出

超网络理论与应用研究综述，王宁，许维胜，随着网络规模的扩大和连接关系的日益复杂，传统复杂网络已无法完全刻画这一类网络的特性。而具有网络中嵌套网络特性的超网络概念

在这篇综述中,我们专注于解决这个核心问题,提供许多广泛使用的深度学习模型的概述,包括视觉、序列和图结构化数据,相关任务和不同的训练方法,随着技术使用较少的数据深度学习和更好的理解这些复杂的模型——两个

时间序列线性模式查询在实际中具有广泛的应用，也是时间序列挖掘的基础。利用Voronoi图的基本原理，提出了一种新的线性模式KL相似性度量，给出了实现线性模式查询的最优算法。