다른 방법으로 극값을 찾을 수 있다는 것은 분명합니다. 예를 들어 벡터에 대해 min() 함수를 호출하지만 이것은 대화가 아닙니다.
함수의 극한값을 구하는 것(벡터에서 최소값을 구하는 것)이 바로 그 문제라고 생각했는데, 솔직히 아직도 어딘가에서 서로를 이해하지 못한 것 같아요..
=============
글쎄, 평범한 유전학은 적어도 문제가 없다
================================
다중 기준 최적화에 대해 동일한 작업을 수행하는 것을 방해하는 요소는 한 지점이 아니라 여러 지점을 찾는 것입니다.
또한 "mco"(유전학)는 이에 대해 나쁘지 않게 대처했지만 "GPareto"(Gausian optim.)는 이론상 가장 지능적이거나 뭔가 인 것 같지만 "안녕하세요"가 전혀 ..
다중 기준 최적화라는 용어를 잘 이해하지 못할 수 있습니다. 이것은 동시에여러기준 에 의한 최적화입니다. 예: 신경망 작업의 결과로 균형 곡선이 있습니다. 최대 균형 또는 최소 손실을 위해 최적화할 수 있습니다. 균형과 축소 측면에서 동시에 최적화해야 하는 경우 다중 기준 최적화가 됩니다. 하나의 기준이 있습니다 - 함수의 최소값,이 함수의 모든 최소값을 찾고 필요한 것을 선택하십시오.
다중 기준 최적화라는 용어를 잘 이해하지 못할 수 있습니다. 이것은 동시에여러기준 에 의한 최적화입니다. 예: 신경망 작업의 결과로 균형 곡선이 있습니다. 최대 균형 또는 최소 손실을 위해 최적화할 수 있습니다. 균형과 축소 측면에서 동시에 최적화해야 하는 경우 다중 기준 최적화가 됩니다. 하나의 기준이 있습니다 - 함수의 최소값,이 함수의 모든 최소값을 찾고 필요한 것을 선택하십시오.
5인분을 위한 새패키지 이름자체가 mt5R
예, 이해합니다. 저는 단지 다중 목표 최적화가 필요했습니다.
내 간단한 적합성 함수는 단순히 알고리즘의 관점에서 최소값인 벡터의 점 인덱스를 찾습니다.
이상적으로 알고리즘은 두 개의 인덱스를 생성해야 하며, 이 두 인덱스는 벡터의 최소값 인덱스가 됩니다.
하나의 벡터에서 두 개의 최소값을 찾고 두 개의 벡터에서 하나의 최소값을 찾는 데 차이가 없다고 생각했습니다.
내 단순 피트니스는 내 문제의 모델이 아닙니다. 알고리즘을 가장 간단하고 시각적으로 비교하고 싶었습니다.
당신의 피트니스 기능은 무엇을 하고 있습니까? 코드는 이해할 수 있을 것 같고 모든 것을 알고 있지만 뭔가의 본질을 이해할 수는 없습니다)
이것은 귀하의 모범이자 피트니스 기능입니다. 벡터에서 극값을 찾는 데는 다른 많은 방법이 있습니다. 당신은 스스로 문제를 명확하게 공식화합니다. 그러면 결정이 올 것입니다.
나는 이 패키지들이 당신의 문제를 해결하지 못한다는 것을 보여주었습니다.
행운을 빕니다
이것은 귀하의 모범이자 피트니스 기능입니다. 벡터에서 극한값을 찾는 데는 다른 많은 방법이 있습니다. 당신은 스스로 문제를 명확하게 공식화합니다. 그러면 결정이 올 것입니다.
나는 이 패키지들이 당신의 문제를 해결하지 못한다는 것을 보여주었습니다.
행운을 빕니다
작업 은 두 가지 유형의 다중 기준 최적화를 빠르고 간단하고 명확하게 비교하는 것입니다.
다른 방법으로 극값을 찾을 수 있다는 것은 분명합니다. 예를 들어 벡터에 대해 min() 함수를 호출하지만 이것은 대화가 아닙니다.
함수의 극한값을 구하는 것(벡터에서 최소값을 구하는 것)이 바로 그 문제라고 생각했는데, 솔직히 아직도 어딘가에서 서로를 이해하지 못한 것 같아요..
=============
글쎄, 평범한 유전학은 적어도 문제가 없다
================================
다중 기준 최적화에 대해 동일한 작업을 수행하는 것을 방해하는 요소는 한 지점이 아니라 여러 지점을 찾는 것입니다.
또한 "mco"(유전학)는 이에 대해 나쁘지 않게 대처했지만 "GPareto"(Gausian optim.)는 이론상 가장 지능적이거나 뭔가 인 것 같지만 "안녕하세요"가 전혀 ..
유전학이 가장 부진한 환경에서도 해결책을 찾는 방법은 정말 놀랍습니다.
인구 - 10명,
반복 - 10,
데이터 100만 포인트.
알고리즘은 데이터와 상호 작용하기 위해 100번(10 * 10)번만 시도하고 좋은 솔루션을 찾습니다.
그냥 놀라운
작업 은 두 가지 유형의 다중 기준 최적화를 빠르고 간단하고 명확하게 비교하는 것입니다.
Adam 또는 SGD는 모든 MO 패키지에서 가져옵니다.
나는 이것들을 정확히 비교하고 싶었습니다. 다중 기준 최적화를 위한 것입니다.
adam , 그리고 "모든 MO 패키지"에서도 확실히 다중 기준이 아닙니다.
알고리즘을 선택하는 데 문제가 없습니다)) 반대로 이것은 파이썬이 아닙니다)))
작업 은 두 가지 유형의 다중 기준 최적화를 빠르고 간단하고 명확하게 비교하는 것입니다.
다른 방법으로 극값을 찾을 수 있다는 것은 분명합니다. 예를 들어 벡터에 대해 min() 함수를 호출하지만 이것은 대화가 아닙니다.
함수의 극한값을 구하는 것(벡터에서 최소값을 구하는 것)이 바로 그 문제라고 생각했는데, 솔직히 아직도 어딘가에서 서로를 이해하지 못한 것 같아요..
=============
글쎄, 평범한 유전학은 적어도 문제가 없다
================================
다중 기준 최적화에 대해 동일한 작업을 수행하는 것을 방해하는 요소는 한 지점이 아니라 여러 지점을 찾는 것입니다.
또한 "mco"(유전학)는 이에 대해 나쁘지 않게 대처했지만 "GPareto"(Gausian optim.)는 이론상 가장 지능적이거나 뭔가 인 것 같지만 "안녕하세요"가 전혀 ..
다중 기준 최적화라는 용어를 잘 이해하지 못할 수 있습니다. 이것은 동시에 여러 기준 에 의한 최적화입니다. 예: 신경망 작업의 결과로 균형 곡선이 있습니다. 최대 균형 또는 최소 손실을 위해 최적화할 수 있습니다. 균형과 축소 측면에서 동시에 최적화해야 하는 경우 다중 기준 최적화가 됩니다. 하나의 기준이 있습니다 - 함수의 최소값,이 함수의 모든 최소값을 찾고 필요한 것을 선택하십시오.
행운을 빕니다
다중 기준 최적화라는 용어를 잘 이해하지 못할 수 있습니다. 이것은 동시에 여러 기준 에 의한 최적화입니다. 예: 신경망 작업의 결과로 균형 곡선이 있습니다. 최대 균형 또는 최소 손실을 위해 최적화할 수 있습니다. 균형과 축소 측면에서 동시에 최적화해야 하는 경우 다중 기준 최적화가 됩니다. 하나의 기준이 있습니다 - 함수의 최소값,이 함수의 모든 최소값을 찾고 필요한 것을 선택하십시오.
행운을 빕니다
예, 모든 것을 이해하고 서로를 이해하지 못하지만 어쨌든 설명에 감사드립니다 ..
예, 모든 것을 이해하고 서로를 이해하지 못하지만 어쨌든 설명에 감사드립니다 ..
동의한다. 별말씀을요.
모듈로 취한 신경망 가중치의 평균 값이 훈련 품질의 지표입니까?
동일한 데이터에 대해 훈련된 두 개의 동일한 뉴런이 있다고 가정하고, 하나는 0.87의 값을 갖고 다른 하나는 0.23을 가지고 있는데, 어느 것이 더 잘 훈련되었습니까?