｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,21]，“date time”：“2024-09-21T12:00:30Z”，“timestamp”：1726920030115｝，“reference count”：27，“publisher”：“Springer Science and Business Media LLC”，“issue”：“1”，“license”：[｛“start”：｛“date parts”：[[2020,5,25]]，“date time”：“2020-05-25T00:0:00Z”，“timestamp”：1590364800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,5,25]]，“date-time”：“2020-05-25T00:00:00Z”，“timetamp”：155036480000}，”content-versiion“：”vor“，”delay-in-days“：0，”URL“https://www.springer”。com/tdm“}]，“内容域”：{“域”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Evolving Systems”]，“published-print”：{“date-parts”：[[2021,3]]}，”DOI“：”10.1007\/s12530-020-09345-2“，”type“：”journal-article“，”created“：{”date-part“：[2020,5,25]]，”date-time“：”2020-05-25T21:02:30Z“，”timestamp“：1590440550000}“page”：“217-223”，“update-policy”“”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：252，“title”：[“使用贝叶斯优化自动调整超参数”]，“prefix”：“10.1007”，《volume》：“12”，“author”：[{“given”：，“序列”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2020,5,25]]}，“reference”：[{“issue”：“3”，“key”：“9345_CR1”，“doi-asserted-by”：“publisher”，”first page“：”261“，”doi“：”10.1002\/int.4550090302“，”volume“9”，“author”：“P Angelov”，“year”：“1994”，“unstructured”：“Angeov”P（1994）模糊优化的广义方法。国际智能系统杂志9（3）：261\u2013268。https:\/\/doi.org\/10.1002\/int.4550090302“，”journal-title“：”int J Intell Syst“}，{”issue“：”3“，”key“：”9345_CR2“，”doi-asserted-by“：”publisher“，”first page“：“189”，”doi“：”10.1002\/int.20462“，”volume“26”，”author“：”P Angelov“，”year“：”2011“，”unstructured“：”Angelof P，Sadeghhi-Tehran P，Ramezani R（2011）基于递归密度估计和进化Takagi-Sugeno模糊系统的视频流中自动实时新颖性检测、对象识别和跟踪方法。规范问题智能数据处理方法Prob Realiz趋势26（3）：189\u2013205。https:\/\/doi.org\/10.1002\/int.20462“，”journal-title“：”Spec Issue Intell Data Process Methodol Prob Realiz Trends“}，{”Issue“：”9“，”key“：”9345_CR3“，”doi-asserted-by“：”publisher“，”first page“：“1619”，“doi”：“10.1109\/TCYB.2013.2291234”，“volume”：“44”，“author”：“RD Baruah”，“year”：“2014”，“unstructured”：“Baruah RD，Angel ov P（2014）动态演化聚类及其在演化模糊模型结构识别中的应用。IEEE Trans-Cybernet 44（9）：1619\u20131631。https:\/\/doi.org\/10.109\/TCYB.2013.2291234“，“journal-title”：“IEEE Trans-Cybernet”}，{“key”：“9345_CR4”，“unstructured”：“Bergstra J，Bengio Y（2012）超参数优化的随机搜索。J Mach Learn Res 13:281\u2013305。http://www.jmlr.org\/papers\/v13\/bergstra12a.html“}，{”key“：”9345_CR5“，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/2986459.2986743“，”author“：”J Bergstra“，“year”：”2011“，”unstructured“：”BergstraJ，Bardenet R，Bengio Y，Kegl B（2011）超参数优化算法。Adv Neural Inf过程系统。https:\/\/doi.org\/10.5555\/2986459.2986743“，”journal-title“：”Adv Neural Inf Process Syst“}，{”key“：”9345_CR6“，”doi-asserted-by“：”publisher“，”unstructured“：”Bergstra J，Yamins D，Cox DD（2013）建立模型搜索科学：视觉架构的数百维超参数优化。收录于：美国佐治亚州亚特兰大市第三十届国际机器学习会议记录https:\/\/doi.org\/10.5555\/3042817.3042832“，“doi”：“10.5555\/3042817.3042882”}，{“key”：“9345_CR7”，“unstructured”：“Brochu E，Cora VM，de Freitas N（2009）昂贵成本函数的贝叶斯优化教程，应用于主动用户建模和分层强化学习。技术报告UBC TR-2009-23，不列颠哥伦比亚大学计算机科学系。https:\/\/arXiv.org\/abs\/1012.2599v1“}，{”issue“：”1\u20132“，”key“：”9345_CR8“，”doi-asserted-by“：”publisher“，”first page“：“5”，”doi“：”10.1007\/s10472-015-9463-9“，“volume”：“76”，“author”：“R Calandra”，“year”：“2016”，“unstructured”：“”Calandra R、Seyfarth A、Peters J、Deisenroth MP（2016）《不确定性下学习步态的贝叶斯优化——动态双足步行器的实验比较》。Ann Math Artif Intell 76（2013年第1期）：2013年第5期。https:\/\/doi.org\/10.1007\/s10472-015-9463-9“，”journal-title“：”Ann Math Artif Intell“}，{”key“：”9345_CR9“，”unstructured“：”Dewancker I，McCourt M，Clark S（2015）Bayesian optimization primer.https:\//app.sigopt.com\/static\/pdf\/sigopt_Bayesian_optimization_primer.pdf“}.”，{“key”：“9345_CR10”，“doi-asserted-by”：“crossref”，“非结构化”：“Erhan D，Szegedy C，Toshev A，Angelov D（2014）使用深度神经网络检测可缩放对象。程序中。IEEE计算机视觉和模式识别会议，第2147\u20132154页。https:\/\/arXiv.org\/abs\/1312.2249v1“，“DOI”：“10.1109\/CVPR.2014.276”}，{“key”：“9345_CR11”，“DOI-asserted-by”：“publisher”，“unstructured”：“Feurer M，Klein A，Eggensperger K，Springenberg JT，Blum M，Hutter F（2019）自动学习：高效、稳健的自动机器学习，是机器学习系列（SSCML）中的springer挑战系列的一部分。https:\/\/doi.org\/10.1007\/978-3-030-05318-5_6“，“doi”：“10.1007\/9783-030-05318-5-6”}，{“key”：“9345_CR12”，“doi-asserted-by”：“publisher”，“unstructured”：“Guiming D，Xia W，Guangyan W，Yan Z，Dan L（2016）基于卷积神经网络的语音识别。In:IEEE国际信号与图像处理会议（ICSIP），北京，第708\u2013711页。https:\/\/doi.org\/10.109\/SIPROCESS.2016.7888355“，”doi“：”10.1109\/SIPROCESS.2016.7888355“}，{“key”：“9345_CR13”，“unstructured”：“Hasanpour SH，Rouhani M，Fayyaz M，Sabokrou M（2018）让\u2019s保持简单：使用简单的体系结构来超越更深层和更复杂的体系结构。https:\///arxiv.org\/abs\/1608.06037v7，“非结构化”：“Hoffman M，Shahraria B，de Freitas N（2014），关于基于模型的盗贼优化中的相关性和预算约束，以及在自动机器学习中的应用。AI Stat.https:\/\/processes.mlr.press\/v33\/hofman14.pdf“}，{“key”：“9345_CR15”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-3642-25566-3_40”，“author”：“F Hutter”，“year”：“2014”，“unstructured”：“Hutter F，Hoos HH，Leyton-Brown K（2014）基于序列模型的通用算法配置优化。狮子。https:\/\/doi.org/10.1007\/978-3-642-25566-3_40“，”期刊标题“：”LION“｝，｛”密钥“：”9345_CR16“，”doi断言“：”出版商“，”doi“：”10.1109\/ICPR.2016.7900023“，”作者“：”TT Joy“，”年份“：”2016“，”非结构化“：”Joy TT，Rana S，Gupta S，Venkatesh S（2016）使用贝叶斯优化对大数据进行超参数调整。Proc IEEE国际会议模式重新设计。https:\/\/doi.org\/10.109\/ICPR.2016.7900023“，”journal-title“：”Proc IEEE Int-Conf Pattern Recogn“}，{”key“：”9345_CR17“，”doi-asserted-by“：”publisher“，”unstructured“：”Knudde N et al（2018）功率放大器设计中带约束的数据有效贝叶斯优化。参见：2018 IEEE MTT-S数值电磁和多物理建模与优化（NEMO）国际会议，雷克雅未克，第1\u20133页。https:\/\/doi.org\/10.109\/nemo.2018.8503107“，”doi“：”10.1109\/nemo2018.8503107“}，{“key”：“9345_CR18”，“unstructured”：“Kochanski G，Golovin D，Karro J，Solnik B，Moitra S，Sculley D（2017）贝叶斯优化，提供更好的甜点。In:第31届神经信息处理系统会议（NIPS）美国加州长滩https:\/\/www.researchgate.net\/publication\/324273062_Bayesian_Optimization_for_a_Better_Desert“}，{“key”：“9345_CR19”，“doi-asserted-by”：“publisher”，“unstructured”：“Kramer O，Ciaurri DE，Koziel S（2011）Derivative-free Optimization。In:计算优化，方法和算法。Springer，pp.61\u201383。https:\/\/doi.org\/10.1007\/978-3-642-20859-1_4“，”doi“：”10.1007\/9783-642-20859-1.4“}，{“问题”：“7553”，“密钥”：“9345_CR20”，“doi-asserted-by”：“发布者”，“首页”：“436”，“doi”：“10.1038\/nature14539”，“卷”：“521”，“作者”：“Y乐村”，“年份”：“2015”，“非结构化”：“乐村Y，约书亚B，Hinton G（2015）深度学习。自然521（7553）：436\u2013444。https:\/\/doi.org\/10.1038\/nature14539“，”journal-title“：”Nature“}，{”key“：”9345_CR21“，”doi-asserted-by“：”publisher“，”unstructured“：”Le HT，Phung SL，Bouzerdoum A，Tivive FHC（2018）利用微多普勒雷达和贝叶斯优化卷积神经网络进行人体运动分类。摘自：2018 IEEE声学、语音和信号处理国际会议（ICASSP），卡尔加里，AB，2018，第2961\u20132965页。https:\/\/doi.org\/10.109\/icassp.2018.841847“，”doi“：”10.1109\/icassp.2018.8461847“}，{”key“：”9345_CR22“，”doi-asserted-by“：”publisher“，”unstructured“：”Lorenzo PR et al（2017）基于并行粒子群优化的深度神经网络超参数选择。收录：遗传和进化计算会议论文集。ACM https:\/\/doi.org\/10.1145\/3067695.3084211“，”doi“：”10.1145\/306795.3084211“}，{”issue“：”6“，”key“：”9345_CR23“，”doi-asserted-by“：”publisher“，”first page“：“1954”，”doi:“10.1109\/TSCI.2017.2768826”，“volume”：“65”，“author”：“W Lyu”，“year”：“2018”，“unstructured”：“Lyu W et al（2018）模拟电路自动优化的有效贝叶斯优化方法。IEEE Trans Circuits Syst I Regul论文65（6）：1954\u20131967。https:\/\/doi.org/10.1109\/TCSI.2017.2768226”，“期刊标题”：“IEEE Trans Circuits Syst I Regul Papers”}，｛“密钥”：“9345_CR24”，“doi断言者”：“出版商”，“非结构化”：“Mantovani RG，Rossit ALD，Vanschoent J，Bischl B，Carvalho ACPLF（2015）调整或不调整：通过元学习推荐何时调整SVM超参数。摘自：IEEE神经网络国际联合会议论文集，爱尔兰基拉尼。https:\/\/doi.org\/10.109\/ijcnn.2015.7280644“，”doi“：”10.1109\/ijcnn.2015.7260644“}，{“key”：“9345_CR25”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/iros.2012.6385653”，“author”：“R Marchant”，“year”：“2012”，“unstructured”：“Marchant R，Ramos F（2012）智能环境监测的贝叶斯优化。IEEE RSJ智能机器人和系统国际会议记录。IEEE \/RSJ Int-Conf智能机器人系统。https:\/\/doi.org\/10.109\/iros.2012.6385653“，”journal-title“：”IEEE\/RSJ Int-Conf Intell Robots Syst“}，{“key”：“9345_CR27”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/JPROC.2015.2494218”，“author”：“B Shahraria”，“year”：“2016”，“unstructured”：“Shahrari B，Swersky K，Wang Z，Adams RP，de Freitas N（2016）让人类脱离循环：贝叶斯优化综述。IEEE程序。https:\/\/doi.org\/10.109\/JPROC.2015.2494218“，”journal-title“：”Proc IEEE“}，{”key“：”9345_CR28“，”unstructured“：”Snoek J，Larochelle H，Adams RP（2012）机器学习算法的实用贝叶斯优化。Adv Neural Inf Process Syst.https:\/\/arxiv.org\/pdf\/1206.2944.pdf“}]，”container-tite“：[”Evolving Systems“]，”original-title:[]，“language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s12530-020-09345-2.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//link.springer\com/articlex\/10.10007\/s12510-020-09345-2\/fulltext.html”，“content-type:”text\/html“，“content-version”：“vor”，“intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s12530-020-09345-2.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2021,5,24]]，“date-time”：”2021-05-24T23:50:39Z“，“timestamp”：162190023000}，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/s12530-020-09345-2”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{date-parts“：[[2020,5,25]]}，”references-count“：27，”journal-issue“：{issue”：“1”，”published-print“：{date-parts”：[2021,3]]}}、“alternative-id”：[“9345”]，“URL”：“http://\/dx.doi.org\/10.1007\/s12530-020-09345-2”，“关系”：{}，“ISSN”：[“1868-6478”，“1868-6986”]，“ISSN-type”：[{“value”：“1868-6778”，”type“：”print“}，{“value”：“868-6486”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-parts”：[2020,5,25]]}，“assertion”：【{“值”：“2019年12月21日”，“订单”：1，“name”：“received”，“label”：“received”，”group“：{”name“：“ArticleHistory”，“label”：“文章历史”}}，{“value”：“2020年5月15日”，“订单”：2，“名称”：“接受”，“标签”：“接收”，“组”：{“名称”:“文章历史”，“label”：“文章历史记录”}}，{“值”：“2020年5月25日”，”订单“：3，”名称“：”first_online“，”标签“：”first online“，“组“：{”name“：”ArticleHistory“，”label“：”文章历史记录“}}}]}