タグ付けされた質問 「optimization」

ではこの動画の専門家は、「知性が[特に人工知能に関して]であるかについての考え方の一つの方法は、最適化プロセスとしてである。」、と言います インテリジェンスは常に最適化プロセスと見なすことができ、人工知能は常に最適化問題としてモデル化できますか？パターン認識はどうですか？それとも彼は誤解しているのですか？

10 optimization  agi 

オプティマイザー（を使用）と、シングルチャネルオーディオソース分離タスクでauto-encoderネットワークをトレーニングしています。学習率を1要素ずつ減衰させると、ネットワーク損失は急激に跳ね上がり、次の学習率の減衰まで減少します。Adamamsgrad=TrueMSE loss ネットワークの実装とトレーニングにPytorchを使用しています。 Following are my experimental setups: Setup-1: NO learning rate decay, and Using the same Adam optimizer for all epochs Setup-2: NO learning rate decay, and Creating a new Adam optimizer with same initial values every epoch Setup-3: 0.25 decay in learning rate every 25 epochs, and Creating …

10 machine-learning  deep-learning  optimization  autoencoders  loss-functions 

ハイパーヒューリスティックスとメタヒューリスティックスの違い、およびそれらの主なアプリケーションについて知りたいと思いました。ハイパーヒューリスティックスによって解決するのに適した問題はどれですか？

10 definitions  optimization 

No Free Lunch（NFL）の定理は述べています（David H. WolpertとWilliam G. Macreadyによる論文Coevolutionary Free Lunchesを参照） 考えられるすべての問題でパフォーマンスが平均化されている場合、任意の2つのアルゴリズムは同等です。 「無料ランチなし」の定理は本当に本当ですか？実際にはどういう意味ですか？このアサーションを示す（MLコンテキストでの）良い例がいいでしょう。 動作が非常に悪いアルゴリズムをいくつか見たことがありますが、実際には上記の定理に従っているとは信じにくいため、この定理の私の解釈が正しいかどうかを理解しようとしています。それとも、Cybenkoの万能近似定理のような別の装飾定理ですか？

10 machine-learning  optimization  proofs  no-free-lunch 

山登りアルゴリズムの制限は何ですか？どうすればこれらの制限を克服できますか？

9 algorithm  search  optimization  problem-solving  hill-climbing