使用Kriging偏最小二乘法解决高维代理建模问题的神经进化初步步骤
摘要：用于进化计算系统的代理辅助算法（SAEAs）旨在使用高效的计算模型来近似逼近适应度函数。这个研究领域已经活跃了二十多年，并且得到了不同领域专业研究群体的广泛关注，例如单目标和多目标优化或者动态和静态优化问题。一个新兴且令人兴奋的领域却很少得到SAEAs社区的关注，那就是神经进化。这指的是利用进化算法来自动配置人工神经网络（ANN）的体系结构、超参数和/或训练ANN。然而，ANN存在两个主要问题：（a）需要大量的计算资源来进行正确的训练，（b）需要高度专业化的人类专业知识来正确配置ANN以获得良好的性能。本研究旨在填补SAEAs在神经进化中的重要研究空白，解决这两个问题。我们演示了如何使用Kriging偏最小二乘法来高效计算好的近似代理模型，与众所周知的Kriging方法相比，后者通常由于数据的高维度而无法在神经进化中使用。
作者：Fergal Stapleton and Edgar Galv''an
论文ID：2305.03612
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-08