从特征选择到连续优化
机器学习
2019-11-04 v2 神经与进化计算
机器学习
摘要
元启发式算法（MAs）因其在工程和健康科学等领域的成功应用而经历了前所未有的增长。在这项工作中，我们研究使用深度学习（DL）模型作为实现此目标的替代工具。所提出的方法称为 MaNet，其动机在于大多数深度学习模型通常需要解决包含数百万个参数的大规模棘手优化问题。特征选择是 MaNet 中采用的主要概念，它帮助算法跳过不相关或部分相关的进化信息，并利用那些对整体性能贡献最大的信息。所引入的模型应用于多个单峰和多峰连续问题。实验表明，就解的精度和可扩展性而言，MaNet 能够产生与针对上述问题的最佳人工设计算法之一相媲美的结果。
引用
@article{arxiv.1909.09444,
title = {From feature selection to continuous optimization},
author = {Hojjat Rakhshani and Lhassane Idoumghar and Julien Lepagnot and Mathieu Brevilliers},
journal= {arXiv preprint arXiv:1909.09444},
year = {2019}
}
备注
Accepted for EA2019