English(EN) Early-Stopping Thresholds for ES-HyperNEAT: A Data-Driven Approach from Fitness Dynamics

新方法优化 ES-HyperNEAT 提前停止，降低成本

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了一种数据驱动的方法来确定 ES-HyperNEAT（一种用于超参数配置的进化算法）的最佳提前停止阈值。通过将提前停止视为基于适应度轨迹的二元分类问题，他们确定了一个特定规则，该规则在保留高比例成功试验的同时显著降低了计算成本。这种方法达到了 0.872 的 F1 分数，可应用于其他面临类似停滞问题的进化算法。 AI

影响这项研究通过减少浪费的计算资源，可能导致更有效地训练复杂神经网络。

排序理由该集群包含一篇详细介绍优化进化算法新方法的学术论文。[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 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍优化进化算法新方法的学术论文。[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, infra; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Romain Claret, Arthur Gygax, Michael O'Neill, Paul Cotofrei, Pascal Felber · 2026-09-15 04:00

ES-HyperNEAT 的早期停止阈值：一种基于适应度动态的驱动方法

arXiv:2609.13533v1 Announce Type: cross Abstract: Most hyperparameter configurations for Evolvable-Substrate HyperNEAT (ES-HyperNEAT) produce networks that stagnate at random-guessing performance, wasting computational resources. We frame early stopping as binary classification o…

本文如何被排名

报道来源 [1]

ES-HyperNEAT 的早期停止阈值：一种基于适应度动态的驱动方法

相关实体

相关话题