PulseAugur
中
实时 11:35:23
English(EN) Evolutionary Extreme Learning Machine of ab-initio Energy Landscapes for Crystal Structure Prediction using Manta Ray Optimization with Levy Flight

新的优化算法增强了晶体结构预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种改进的蝠鲼觅食优化算法，并结合了莱维飞行，用于训练极限学习机（ELMs）。这种新方法被称为进化EELM-MRFO-LF，应用于预测二元体系中化合物的形成能，旨在提高晶体结构预测的准确性。该算法的性能与其他受自然启发的优化技术进行了基准测试。 AI

影响 引入了一种新颖的机器学习模型优化技术，有可能提高材料科学预测的准确性。

排序理由 该集群包含一篇详细介绍新算法及其应用的学术论文。[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 →

新的优化算法增强了晶体结构预测能力

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Adrian Rubio-Solis ·

    基于蝠鲼优化与莱维飞行（Manta Ray Optimization with Levy Flight）的从头算能量景观演化极端学习机用于晶体结构预测

    The Manta Ray Foraging Optimization algorithm (MRFO) has proven to be a powerful heuristic strategy in the optimal solution of a large number of engineering problems. In this paper, an improvement of MRFO with Levy Flight is suggested for the training of extreme learning machines…

相关实体

相关话题