搜索资源列表
2007-Transfer learning via inter-task mappings for temporal difference learning
- 2007-Transfer learning via inter-task mappings for temporal difference learning 迁移学习中的另外一篇重要文献
单纯形和人口迁移的混合全局优化算法
- 摘要：针对基本人口迁移算法具有易早熟和精度不高等缺陷，利用人口迁移算法随机产生的点采用单纯形法进行优化，提出了 一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer，验证了改进后算法的性能，并与10 种类型 的粒子群优化算法进行比较，结果表明，该文算法能获得比较好的解，收敛成功率高达100%。
求解非线性方程组的混合人口迁移算法
- 摘要：针对变尺度法对初始值敏感和人口迁移算法容易陷入局部极值的缺陷，结合变尺度法和人口迁移算 法各自的优点，提出了一种混合人口迁移算法，用来求解非线性方程组。该混合算法不仅发挥了人口迁移算 法强大的全局搜索能力，而且利用了变尺度法的局部精细搜索能力。实验结果表明，该算法不但以较高的精 度求出了各种非线性方程组的解，而且鲁棒性强，收敛速度快速，是一种解决非线性方程组问题的较好方法。
求解药代动力学参数的混合人口迁移算法
- 摘要：针对传统方法优化药代动力学参数时精度不高的缺陷，将Hooke-Jeeves 算法与人口迁移算法有机融 合，使两者取长补短，既提高了算法的精度，又加快了算法的收敛速度。将混合人口迁移算法用于血管外给药 二室模型参数优化的实验之中，不仅比传统的残数法效果要好，而且比Hooke-Jeeves 算法或人口迁移算法更 优，精度更高。多次实验表明：算法具有良好的可靠性和稳定性，是一种较好的解决药代动力学参数的方法。
CCF ADL 64 杨强报告PPT
- CCF ADL第64期，香港大学杨强教授的报告PPT，关于迁移学习的最新进展