Artificial Neural Networks as Surrogate Models in Black Box Optimization
本文提出了一种基于人工神经网络的替代模型AFN-CMA-ES,用于黑盒优化中目标函数的选择性评估,以减少昂贵或耗时的函数评估次数。
0 citationsRead paper
本文提出了一种基于人工神经网络的替代模型AFN-CMA-ES,用于黑盒优化中目标函数的选择性评估,以减少昂贵或耗时的函数评估次数。
研究引入基于图元的结构指纹框架,以系统描述局部到中尺度拓扑,用于复杂网络比较,尤其在合成网络和脑功能连接组分类中表现优异。
该论文提出了一种使用48次乘法和216次其他运算的快速4x4矩阵乘法算法,并通过递归应用及基变换优化,降低了计算复杂度。
为解决RAG检索不足问题,通过比较基于分数、内容和混合三种QPP方法,发现24个非词汇特征在效率和准确性上表现最优。
研究证明了随机分辨的一种更强版本具有可行析取性质,这是首个未知是否具有可行插值性质但具备可行析取性质的证明系统。
本文提出了一种基于人工神经网络的替代模型AFN-CMA-ES,用于黑盒优化中目标函数的选择性评估,以减少昂贵或耗时的函数评估次数。
研究引入基于图元的结构指纹框架,以系统描述局部到中尺度拓扑,用于复杂网络比较,尤其在合成网络和脑功能连接组分类中表现优异。
该论文提出了一种使用48次乘法和216次其他运算的快速4x4矩阵乘法算法,并通过递归应用及基变换优化,降低了计算复杂度。
为解决RAG检索不足问题,通过比较基于分数、内容和混合三种QPP方法,发现24个非词汇特征在效率和准确性上表现最优。
研究证明了随机分辨的一种更强版本具有可行析取性质,这是首个未知是否具有可行插值性质但具备可行析取性质的证明系统。