PulseAugur
中
实时 12:21:02
English(EN) Unsupervised Multi-kernel Learning for Automated Algorithm Selection

新的无监督多核学习方法用于自动化算法选择

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的无监督多核学习方法，用于黑盒优化的自动化算法选择。该方法在聚类阶段不依赖性能标签，而是根据异构景观表示对问题实例进行分组。该方法利用多核k-means公式，在四个不同的景观视图（ELA、DeepELA、DoE2Vec和TransOptAS）中学习聚类分配和核权重。在差分进化和粒子群优化任务上的评估表明，这种无监督方法取得了强大的性能，特别是对于差分进化，并且在粒子群优化方面与领先的基线方法相比仍具有竞争力。 AI

影响 这种无监督方法可以降低优化任务中算法选择的成本并提高其泛化能力。

排序理由 该条目是一篇学术论文，详细介绍了一种机器学习的新方法。[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 →

新的无监督多核学习方法用于自动化算法选择

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是一篇学术论文，详细介绍了一种机器学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
50 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yihang Lu, Tome Eftimov, Carola Doerr ·

    无监督多核学习用于自动化算法选择

    arXiv:2607.19031v1 Announce Type: new Abstract: Automated algorithm selection in black-box optimization typically relies on supervised models that map landscape features to algorithm performance labels. Such models are costly to train, benchmark-dependent, and often fail to gener…

相关实体

相关话题