迁移学习、基于距离的软偏置与分层 BOA
神经与进化计算
2012-06-22 v2 人工智能
机器学习
摘要
近期提出了一种基于距离统计的自动化技术，用于在分层贝叶斯优化算法（hBOA）中进行迁移学习。该技术使从业者能够通过收集先前 hBOA 运行中获得的概率模型统计信息，并利用所得统计信息对在类似问题上的未来 hBOA 运行进行偏置，从而提高 hBOA 的效率。本文的目的有三方面：（1）在包括 MAXSAT、自旋玻璃和最小顶点覆盖在内的几类 NP 完全问题上测试该技术；（2）证明即使先前的运行是在不同规模的问题上进行的，该技术依然有效；（3）提供经验证据表明，将迁移学习与其他效率增强技术相结合，通常能产生近乎乘性的加速效果。
引用
@article{arxiv.1203.5443,
title = {Transfer Learning, Soft Distance-Based Bias, and the Hierarchical BOA},
author = {Martin Pelikan and Mark W. Hauschild and Pier Luca Lanzi},
journal= {arXiv preprint arXiv:1203.5443},
year = {2012}
}
备注
Accepted at Parallel Problem Solving from Nature (PPSN XII), 10 pages. arXiv admin note: substantial text overlap with arXiv:1201.2241