Evolutionary methods for multidisciplinary optimization applied to the design of UAV systems†
PulseAugur coverage of Evolutionary methods for multidisciplinary optimization applied to the design of UAV systems† — every cluster mentioning Evolutionary methods for multidisciplinary optimization applied to the design of UAV systems† across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Hugging Face 综述介绍了用于交通预测的自动化 AI
这篇来自 Hugging Face 的综述论文探讨了神经架构搜索（NAS）作为一种自动化深度学习模型设计方法在交通预测中的应用。文章回顾了各种 NAS 策略，包括基于梯度、进化和单次权重共享的方法，并讨论了它们如何应用于捕捉交通数据的时空特性。论文还强调了当前的挑战，如计算可扩展性、跨城市泛化能力以及 NAS 在时空基础模型上的应用，并提出了未来的研究方向。
-
综述详述交通预测模型的神经架构搜索
一篇新发表在arXiv上的综述论文探讨了神经架构搜索（NAS）在交通预测中的应用。该论文详细介绍了NAS如何自动化深度学习模型（如图卷积网络、循环神经网络和Transformer）的设计，以更好地捕捉交通数据的时空结构。它将NAS方法分为基于梯度、进化和一次性权重共享方法，同时还强调了计算可扩展性和跨城市泛化等挑战。
-
新的守恒定律量化了程序发现的成本
一篇新论文引入了一种用于程序发现的守恒定律，该定律表明将结构化知识注入搜索算法会直接权衡搜索工作量。该定律量化了找到生成给定序列的最短程序的成本，表明像 Levin 搜索和进化算法这样的现有方法具有与搜索问题的耦合宽度相关的指数级最坏情况下界。该研究提出了一种替代方法，该方法分析候选程序的结构，而不仅仅是其分数，尽管对于通用目标可能不完整，但在恢复测试序列（包括基本细胞自动机）的很大一部分的生成程序方面取得了成功。