机器学习12:演化学习

追求适度,才能走向成功;人在顶峰,迈步就是下坡;身在低谷,抬足既是登高;弦,绷得太紧会断;人,思虑过度会疯;水至清无鱼,人至真无友,山至高无树;适度,不是中庸,而是一种明智的生活态度。

导读:本篇文章讲解 机器学习12:演化学习,希望对大家有帮助,欢迎收藏,转发!站点地址:www.bmabk.com,来源:原文

作者:非妃是公主
专栏:《机器学习》
个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩
在这里插入图片描述

专栏地址

《机器学习》专栏地址

专栏系列文章

机器学习01:绪论

机器学习02:模型评估

机器学习03:线性回归与多分类学习

机器学习04:支持向量机

机器学习05:神经网络学习

机器学习06:决策树学习

机器学习07:贝叶斯学习

机器学习08:最近邻学习

机器学习09:无监督学习

机器学习10:集成学习

机器学习11:代价敏感学习

机器学习12:演化学习

演化学习基础知识

在这里插入图片描述
演化算法:或称“进化算法”,它 是一个“算法簇”,其灵感都来自于大自然的生物进化。演化算法有很多的版本,比如,有不同的遗传基因表达方式,不同的交叉和变异算子,以及不同的再生和选择方法,与传统的优化算法相比,演化算法的特点在于:

  • 具有高鲁棒性和广泛适应性;
  • 具有自组织、自适应、自学习的特性;
  • 本质并行性;
  • 能够不受问题性质的限制,有效处理传统优化算法难以解决的复杂问题。
    在这里插入图片描述
    在这里插入图片描述

遗传算法

在这里插入图片描述
在这里插入图片描述

遗传算法计算流程

在这里插入图片描述

遗传算法编码

在这里插入图片描述
在这里插入图片描述

适应性度量函数

在这里插入图片描述
在这里插入图片描述

选择

在这里插入图片描述
在这里插入图片描述

交叉

在这里插入图片描述

变异

在这里插入图片描述
在这里插入图片描述

演化神经网络

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

演化学习问题与挑战

  • 存在的问题:对演化算法这类随机性启发式优化算法而言,其理论研究不,比如优化效率高低、与最优解的逼近程度如何、启发式算子效用评估等问题难以有严格的答案,这导致了演化学习也缺乏有效的理论解释。
  • 挑战:近些年,一方面学习模型变得复杂、数据增长迅速、一方面对模型训练时间有严格约束,如何使得演化学习能够进行有效、快速地优化,还有待深入的研究。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

文章由半码博客整理,本文链接:https://www.bmabk.com/index.php/post/130525.html

(0)

相关推荐

发表回复

登录后才能评论
半码博客——专业性很强的中文编程技术网站,欢迎收藏到浏览器,订阅我们!