PulseAugur
实时 20:05:56

Survey details features for black-box optimization in machine learning

本调查论文详细介绍了用于表示单目标连续黑盒优化问题的特征。它涵盖了问题景观特征、算法特征和交互特征,借鉴了过去五年的最新研究。该论文旨在支持算法选择和配置等机器学习任务,并评估基准问题集的互补性。还讨论了局限性和未来的研究方向。 AI

影响 为与优化问题中的机器学习相关的特征工程技术提供了结构化概述。

排序理由 该条目是发表在 arXiv 上的调查论文,详细介绍了优化中机器学习应用的特征。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

Survey details features for black-box optimization in machine learning

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gjorgjina Cenikj, Ana Nikolikj, Ga\v{s}per Petelin, Niki van Stein, Carola Doerr, Tome Eftimov ·

    用于表示黑盒单目标连续优化的特征调查

    arXiv:2406.06629v2 Announce Type: replace Abstract: This survey examines key advancements in designing features to represent optimization problem instances, algorithm instances, and their interactions within the context of single-objective continuous black-box optimization. These…