研究人员使用基于树的 Parzen 估计器 (TPE) 方法研究了 ES-HyperNEAT 算法的超参数优化。将其应用于 MNIST 分类任务,TPE 成功导航了超过 30 亿种潜在组合,实现了 29.00% 的准确率,并且比之前的研究使用了更少的代数和更小的种群规模。优化后的超参数在 Fashion-MNIST 数据集上表现出可迁移性,尽管它们在更简单的逻辑运算上的有效性有限。 AI
影响 为神经进化算法的优化提供了一种方法,并深入了解了跨任务的超参数可迁移性。
排序理由 一篇发表在 arXiv 上的学术论文,详细介绍了一种针对神经进化算法的超参数优化新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →