Národní úložiště šedé literatury Nalezeno 12 záznamů.  předchozí11 - 12  přejít na záznam: Hledání trvalo 0.02 vteřin. 
Využití umělých neuronových sítí k urychlení evolučních algoritmů
Wimberský, Antonín ; Holeňa, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
V předkládané práci studujeme možnosti využití umělých neuronových sítí k urychlení evolučních algoritmů. Urychlení spočívá ve snížení počtu volání fitness funkce, jejíž vyhodnocení je u některých typů optimalizačních úloh značně časově i finančně náročné. Jako regresní model používáme neuronovou síť, která slouží pro odhadnutí hodnoty fitness jedinců v průběhu evolučního algoritmu. Zároveň s regresním modelem pracujeme i se skutečnou fitness funkcí, kterou používáme pro přehodnocení jedinců vybraných podle předem zvolené strategie. Tyto jedince ohodnocené skutečnou fitness funkcí pak využijeme pro zlepšení regresního modelu. Díky tomu, že je velká část jedinců ohodnocována pouze regresním modelem, se podstatně snižuje celkový počet volání skutečné fitness funkce, který je potřebný pro nalezení kvalitního řešení optimalizační úlohy.
Towards Low-Dimensional Gaussian Process Metamodels for CMA-ES
Bajer, Lukáš ; Holeňa, Martin
Gaussian processes and kriging models has attracted attention of researchers from different areas of black-box optimization, especially since Jones’ introduction of the Efficient Global Optimization (EGO) algorithm. However, current implementations of the EGO or real-world applications are rather few. We conjecture that the EGO is not suitable for higher-dimensional optimization and try to investigate whether hybridization of a low-dimensional local optimization with the current state-of-the-art continuous black-box optimizer CMA-ES (Covariance Matrix Adaptation Evolution Strategy) could help. In this paper, only a first proposal of such a GP/CMA-ES connection is described and some preliminary tests are presented.

Národní úložiště šedé literatury : Nalezeno 12 záznamů.   předchozí11 - 12  přejít na záznam:
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.