Diskussion zum Artikel "Algorithmen zur Optimierung mit Populationen: Saplings Sowing and Growing up (SSG)" - Seite 11

 
Maxim Dmitrievsky #:
Durch eine Art Kreuzvalidierung wird die beste Nadel oder Oberfläche ausgewählt. Und um viele Nadeln zu erhalten, kann man über verschiedene Teile der Geschichte hinweg optimieren. Das ph-i bleibt das gleiche.

Offensichtlich geht es hier um andere Nadeln, als ich vorhin gesagt habe.

 
fxsaber #:

Offenbar geht es um andere Nadeln als die, von denen ich vorhin gesprochen habe.

Um die Mapping-Nadeln. Teilen Sie die Probe in 10 Chunks auf, optimieren Sie in jedem Chunk und verwerfen Sie Sets mit einzigartigen, störenden Peaks aus jedem Chunk, die in den anderen nicht vorkommen. Wenn Sie diese dann aus der Gesamtoptimierung aller Daten ausschließen, ist alles ruhig und friedlich und Gott sei Dank. Aber es ist nicht genau, ich habe es mir nur ausgedacht. Ich weiß nicht, wie man beliebige Bereiche in opt-Variablen ausschließen kann.
 

Maxim Dmitrievsky #:
Про картиночные. Разбить выборку на 10 частей, на каждой оптимизировать и выбросить сеты с уникальными раздражающими пиками из каждого куска, которых нет в других.

In Bezug auf die Rechenressourcen ist sie gleichwertig mit 10 beliebigen Optimierungen.

Wenn man sie dann von der Gesamtoptimierung für alle Daten ausschließt, ist es ruhig und friedlich und von Gottes Gnaden. Aber das ist nicht genau, ich habe es mir nur ausgedacht.

Und wir finden einen Hügel.

Ich weiß nicht, wie man willkürliche Bereiche in Opt-Variablen ausschließen kann.

Das geht.

 
fxsaber #:

Dies entspricht rechnerisch 10 beliebigen Optimierungen.

Und wir finden einen Hügel.

Das ist gut.

Das Endziel ist es, die Hügel zu finden, die Nadeln sind Zwischenhügel.

Richtig, das ist so ziemlich der Standard im Verteidigungsministerium. Wenn die Daten miserabel sind, bringt das normalerweise nicht viel. Wenn es kein Müll ist, wird es nicht viel gebraucht :)
 
Maxim Dmitrievsky #:
Das Ziel scheint zu sein, die Hügel zu finden

Mehr als einen. Deshalb habe ich die Option des sequentiellen Ablegens vorgeschlagen.

 
Andrey Dik #:

Es gibt eine Menge Algorithmen, ich weiß nicht, ob es noch coolere Algorithmen gibt.

Die Tabelle ist lebendig, ich füge Algorithmen hinzu, wenn ich sie lerne, d.h. ich kann nicht sagen, dass der da drüben der coolste ist, ich kenne nur die, die ich beschrieben habe)))

In der Tat war es bereits möglich, Ameise, Biene und Unkraut zu nehmen, sie sind sehr gut. hölzernen natürlich jetzt reißt jeder, was der nächste Führer sein wird - ich weiß es nicht.

Ich werde zu den Hybriden kommen, wenn ich durch alle bedeutenden bekannten gehen werde, die Hybriden sind sehr vielversprechend.

Für jetzt bin ich unter Berücksichtigung der Bevölkerung Arten, aber es gibt andere Arten, wird es interessant sein, sie zu studieren.

vielleicht gibt es ja schon eine:)

 
Maxim Dmitrievsky #:

vielleicht gibt es schon eine:)

Ja, ein sehr interessanter Organismus.))))

aber die Schnecke verwendet nur 2 Dimensionen, und selbst die einfachsten AOs kommen mit 2 Dimensionen zurecht. Wie sie sich in 1000 Dimensionen verhalten wird, ist eine große Frage, denn die Komplexität des Problems wächst nicht linear mit der Anzahl der Dimensionen.

 
Andrey Dik #:

Mit zunehmender Anzahl von Messungen wächst die Komplexität des Problems nichtlinear.

Wie ist die Abhängigkeit der Komplexität von den Messungen bei der Selbsterziehung?

 
fxsaber #:

Inwieweit ist die Komplexität bei der Selbsterziehung von der Messung abhängig?

Ich gestehe, ich weiß es nicht, ich weiß nur, dass sie nichtlinear schnell wächst.

Aleksey Nikolavev ist hier aufgetaucht, vielleicht weiß er die genaue Antwort auf diese Frage. Ich habe vergessen, wie man einen Forumsnutzer anspricht.


Ich bin derzeit einen Artikel über elektromagnetische Suche - EM, mit mittelmäßigen, im Allgemeinen, Eigenschaften, hat es eine Eigenschaft, die mir aufgefallen ist.

 
fxsaber #:

Wie ist die Abhängigkeit der Komplexität von der Messung bei der Selbsterziehung?

Exponential, im allgemeinen Fall