分散搜索

散射搜索本章讨论了散布搜索的原理和基础及其在训练神经网络问题中的应用。分散搜索是一种进化方法,已经成功地应用于各种各样的硬优化问题。分散搜索构建新的试验解决方案,结合所谓的参考解决方案,并采用战略设计,利用上下文知识。与其他进化方法(如遗传算法)相比,分散搜索是建立在系统设计和创建新解决方案的方法的基础之上的,而不是从随机化得到的那些好处。我们的实现目标是创建分散搜索方法中的五个元素的组合,证明了在多层神经网络中搜索最优权重值时是有效的。通过实验,我们证明了我们的分散搜索的实例化可以在训练质量方面与最著名的训练算法相竞争,同时将计算工作量保持在一个合理的水平。来源HTTP//PATRO.AUU-EDU


ZBMaX中的参考文献(278篇)1标准条款

显示结果1至20的278。
按年份排序(引文
  1. 巴博萨,法拉维亚;Berbert Rampazzo,Priscila C.;山村,Akebo;Camanho,Ana S.:利用前沿技术确定泊位分配问题的有效解,用混合进化算法求解(2019)
  2. Eskandarpour,MaigID;Djamila,Hatami,萨拉;胡安,Angel A.;Kasravi,BaaFeHeH:多目标多目标异构车辆路径问题的增强多向局部搜索(2019)
  3. 格洛弗,弗莱德;Kochenberger,加里;杜,禹:量子桥分析。I:制定和使用QubO模型教程(2019)
  4. 卡尔、Mohuya B.、卡尔、Samarjit、郭、西蒙尼·西尼、李、项、Maunder-SaBaB:一种新的双目标模糊投资组合模型及其演化算法(2019)
  5. Stefanello,费尔南多;Aggavar,VANEET;Buriol,Luciana S.;雷森迪,Mauricio G. C.:在地理分离数据中心上放置虚拟机的混合算法(2019)
  6. 巴利亚达、伊娃、维拉、富尔根西亚、Fanjul Peyro、路易斯:资源受限无关机调度问题的丰富元启发式算法(2019)
  7. 徐,振兴;何,坤;李,Chu Min:Max—SAT问题的一种具有突变和重启策略的迭代路径破解方法(2019)
  8. 艾哈迈德,A.K.M.FoSala.;Sun,Ji Ung:双层局部搜索增强粒子群算法在有容量车辆路径问题中的应用(2018)
  9. Ghanbarzadeh,Ali;PouLATAN,MaGID;Shabestani Monfared,Ali;MaHDavi,Seied Rabi:基于散射搜索的调强放射治疗束角优化算法(2018)
  10. 兔子,沃伦;洛佩基,杰森;谢,上伟:比较昂贵随机优化算法与随机重启的方法(2018)
  11. Eloy,巴拉格,Antonio Javier,Larrea,米克尔;和JAR,J.E.曼努埃尔:用神经网络提取未知复杂系统的动态信息(2018)
  12. 马丁斯、丹尼尔、Vianna、Gabriel M.、Rosseti、伊莎贝尔、马丁斯、马丁斯、Prasina、亚历山大:用数据挖掘更快地制作最先进的启发式算法(2018)
  13. 穆日体巴,Albert Einstein Fernandes;Rodrigues,Carlos Diego;da Costa,FrcC-IiaRaj.jo:多模资源受限项目调度问题的路径重算算法(2018)
  14. 陈,Yujie;考灵,彼得;Polack,菲奥娜;ReMe,史蒂芬;Mourdjis,Fiel:大规模城市排水系统的预防性和纠正性维护计划的动态优化(2017)
  15. de Souza Lima,F. Tima M.;Pereira,Davi S. D.;Da CangeE.S.O,Samuel V.;De CAMARGO,Ricardo S.:一个多目标能力的异构车队和混合负载的农村校车路径问题(2017)
  16. 冈萨雷兹,Miguel A.;帕拉西奥斯,Juan Jos,Vela,Camino R.;Hehan-NeDEZ A劳佐,Alejandro:一个单机排序问题的最小化加权延误的分散搜索(2017)
  17. 霍夫,阿里尔德;皮尔·Juanjo;科尔伯恩,恩格尔;MaltIy,拉斐尔:容量化模块化轮毂选址问题的启发式算法(2017)
  18. Leyman,Pieter;VaunHouck,马里奥:资金和资源受限的净现值优化项目调度(2017)
  19. Marinakis,YANIS;MigDalas,Athanasios;Sifaleras,安吉洛:一种混合粒子群优化算法——约束最短路径问题的变邻域搜索算法(2017)
  20. 卡瓦略,安德烈·C·P.L.F.:智能导引自适应搜索最大覆盖位置问题(2017)