新分析探讨遗传编程符号回归的缓存策略

本文分析了遗传编程符号回归（GPSR）的缓存策略，以减少计算运行时。该研究探讨了各种缓存机制（包括LRU和FIFO）在合成和真实世界数据集上的内存-运行时权衡。它还提供了根据可用计算和内存资源配置这些策略的指南，建议复杂的缓存需要最小尺寸才能减少时间，而LRU和FIFO等简单方法可以显著减少适应度评估时间。 AI

影响 为优化进化算法的计算效率提供了见解，有可能加速相关人工智能领域的研究。

排序理由 该项目是一篇研究论文，详细分析了特定计算方法的缓存策略。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• FIFO
• Genetic Programming Symbolic Regression
• Gotit.pub
• Hugging Face
• Influence Flower
• LRU
• ScienceCast

• 论文
• 其他

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