研究人员推出了 TSGP-2,这是 Transformer Semantic Genetic Programming 的一项进展,旨在更好地处理非线性问题。与倾向于线性解决方案的前身 TSGP 不同(由于其训练数据),TSGP-2 在包括线性和非线性目标函数在内的更多样化的数据集上进行了训练。这种更广泛的训练减少了对线性后代的偏见,使 TSGP-2 能够在搜索过程的早期提出更有意义的非线性解决方案,并在具有非线性结构的问题上取得更好的结果。 AI
影响 这项研究可能为需要非线性解决方案的复杂问题带来更有效的 AI 方法。
排序理由 该集群包含一篇详细介绍遗传编程新方法的 ist 研究论文。[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 →