【报告内容】

汇报人： 林志诚

汇报单位：福建理工大学

《Offline small data-driven evolutionary algorithm based on multi-kernel data synthesis》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1.待解决的问题描述

针对离线的 DDEA 在数据量极低的情况下表现差的问题。

2.相关创新方案

本文结合 RBFN 隐含层节点数寻优与多核学习生成伪标签数据的策略,提出基于多核数据合成的离线数据驱动的进化算法。

3.实验总结

针对离线的 DDEA 在数据量极少时表现差的问题, 本文提出基于多核数据合成的离线小数据驱动的进化算法 DDEA-MKDS。该算法使用结合经验公式与遍历法的隐含层节点数寻优策略,简化算法中使用的 RBFN 的结构, 以避免模型因小数据产生过拟合,大幅加快训练速度. 该算法提出基于多核学习的数据合成策略和使用轮盘赌的数据选择方法, 弥补离线数据量的不足。

4.未来工作

未来将针对算法在高维小数据问题中的表现进行改善,提出更有效的数据合成策略, 并将算法用于实际的昂贵优化问题的求解。

报告时间：2025年03月21日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)