进化核学习与进化机器人技术
1. 进化核学习的定义与背景
1.1 定义
进化核学习是指使用进化算法为核方法设计核函数。在基于核的学习算法中,核函数隐式地定义了算法运行的特征空间,它决定了特征空间中的标量积和度量。选择合适的核函数对于学习机器的训练准确性和泛化性能至关重要,同时也会影响训练期间和训练后的运行时间和存储复杂度。
1.2 背景
传统上,核函数通常不是由核方法本身进行自适应调整的,选择核函数是一个模型选择问题。在实践中,核函数往往从一个先验固定的类别中选取。当考虑参数化的核函数族时,核函数的自适应调整就转化为寻找合适的参数。常用的确定这些参数值的方法有网格搜索和基于梯度的方法,但它们都存在一定的局限性。而进化核学习不受这些限制,还允许进行多目标优化以满足多个核设计标准。
2. 学习系统的结构
2.1 规范的进化核学习算法
规范的进化核学习可以描述为一种进化算法,其中个体对核函数进行编码。具体流程如下:
1. 初始化个体的父种群,每个个体编码核函数和可能的附加参数。
2. 当终止条件未满足时:
- 使用变异算子从父代创建子代个体。
- 使用样本数据训练和评估由个体编码的核机器。
- 根据评估结果选择新的父种群。
2.2 设计进化算法的特殊考虑
在设计用于核学习的进化算法时,需要考虑两个特殊方面:
1. 评估核的性能(适应度) :需要根据具体问题定义模型选择标准。
2. 指定进化算法搜索的可能核函数子集
超级会员免费看
订阅专栏 解锁全文


被折叠的 条评论
为什么被折叠?



