PulseAugur
中
实时 15:52:22
English(EN) Zero-Inflated Gaussian Distributions Enable Parameter-Space Sparsity in Estimation-of-Distribution Algorithms

新型零膨胀高斯分布提升稀疏优化算法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法来增强优化问题中具有稀疏参数空间的估计分布算法（EDAs）。通过采用多元零膨胀高斯（ZIG）分布，这些算法现在可以有效地处理许多解系数为零的情况。该方法在没有分层假设的情况下联合优化稀疏模式和活动参数值，与现有的稀疏优化技术相比，在Lunar Lander等基准测试中提高了收敛性和性能。 AI

影响 为机器学习算法中的稀疏参数空间优化引入了一种新方法。

排序理由 详细介绍新算法方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型零膨胀高斯分布提升稀疏优化算法

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Andreas Faust, Sven Nitzsche, Juergen Becker ·

    Zero-Inflated Gaussian Distributions Enable Parameter-Space Sparsity in Estimation-of-Distribution Algorithms

    arXiv:2606.19369v1 Announce Type: cross Abstract: Estimation-of-distribution algorithms (EDAs) are a powerful class of evolutionary methods for black-box optimization, especially when little is known about the structure of the objective. Whereas classical evolutionary algorithms …

相关实体

相关话题