PulseAugur
中
实时 20:01:46

新的超启发式算法利用鲸鱼引导优化连续问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了WASHH，一种新颖的鲸鱼引导自适应选择超启发式算法，用于连续黑盒优化。该方法集成了PSO、GWO和DE等多种搜索策略，并通过在线奖励机制进行控制，该机制根据观察到的改进来分配评估次数。WASHH还包含一种锚点精炼技术，可以利用廉价的参考配置，而无需进行完整的黑盒评估。在基准函数和乳腺癌诊断的SVC超参数配置测试中，WASHH表现出优越的性能，取得了最佳平均排名和最低的验证对数损失。 AI

影响 这项研究引入了一种新颖的优化技术，可以提高训练和配置机器学习模型的效率，尤其是在资源受限的环境中。

排序理由 该集群包含一篇详细介绍新优化算法的学术论文。[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 →

新的超启发式算法利用鲸鱼引导优化连续问题

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yifu Zhao, Xiaofan Zou, Junhao Wei, Yanxiao Li, Baili Lu, Zhenhong Peng, Dexing Yao, Haochen Li, Qinbin He, Sio-Kei Im, Xu Yang, Yapeng Wang ·

    WASHH: 一种锚点感知、鲸鱼引导的选择超启发式方法，用于连续优化和SVC配置

    arXiv:2605.28844v1 Announce Type: cross Abstract: Learning-assisted algorithm design often has to make reliable search decisions under small evaluation budgets, where committing to a single metaheuristic can be unreliable. We propose WASHH, a Whale-guided Adaptive Selection Hyper…

相关实体

相关话题