会员服务
优化器 · MoDELS · 奇异的 · 峰值 · 进化计算 ·
2021 年 10 月 7 日
Explicitly Multi-Modal Benchmarks for Multi-Objective Optimization
翻译：多目标优化的多模式明确基准
Reiya Hagiwara,Takahiro Yamamoto,Naoki Hamada,Daisuke Sakurai
Reiya Hagiwara,Takahiro Yamamoto,Naoki Hamada,Daisuke Sakurai

We model multi-modality in multi-objective optimization problems and apply this to generate benchmarking problems. In the model, the mode is based on the singularity of the objective functions.


翻译：我们以多目标优化问题为模型,并以此为模型,产生基准问题。 在模型中,模式以目标功能的独一性为基础。
0
下载
关闭预览

相关内容

【伯克利-Pieter Abbeel】深度强化学习基础，附slides与视频
专知会员服务
29+阅读 · 2021年8月26日
对比学习简述
专知会员服务
90+阅读 · 2021年6月29日
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
134+阅读 · 2021年6月16日
Python编程基础，121页ppt
Python编程基础，121页ppt
专知会员服务
49+阅读 · 2021年1月1日
【优化基准：最佳实践，54页pdf】Benchmarking in Optimization: Best Practice and Open Issues
【优化基准：最佳实践，54页pdf】Benchmarking in Optimization: Best Practice and Open Issues
专知会员服务
24+阅读 · 2020年7月28日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
182+阅读 · 2020年2月1日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
10+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
48+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
177+阅读 · 2019年10月11日
Yoshua Bengio，使算法知道“为什么”
Yoshua Bengio，使算法知道“为什么”
专知会员服务
8+阅读 · 2019年10月10日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
A Conflict-Based Search Framework for Multi-Objective Multi-Agent Path Finding
Arxiv
0+阅读 · 2021年11月30日
Improving Zero-shot Generalization in Offline Reinforcement Learning using Generalized Similarity Functions
Arxiv
0+阅读 · 2021年11月29日
Controllable and Compositional Generation with Latent-Space Energy-Based Models
Arxiv
9+阅读 · 2021年10月21日
HuMoR: 3D Human Motion Model for Robust Pose Estimation
Arxiv
3+阅读 · 2021年5月10日
A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs
Arxiv
3+阅读 · 2020年7月20日
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
DyKgChat: Benchmarking Dialogue Generation Grounding on Dynamic Knowledge Graphs
Arxiv
3+阅读 · 2019年10月1日
Investigating Meta-Learning Algorithms for Low-Resource Natural Language Understanding Tasks
Arxiv
5+阅读 · 2019年8月27日
Finding Needles in a Moving Haystack: Prioritizing Alerts with Adversarial Reinforcement Learning
Finding Needles in a Moving Haystack: Prioritizing Alerts with Adversarial Reinforcement Learning
Arxiv
3+阅读 · 2019年6月20日
A Multi-Objective Deep Reinforcement Learning Framework
A Multi-Objective Deep Reinforcement Learning Framework
Arxiv
16+阅读 · 2018年6月27日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
优化器
MoDELS
奇异的
峰值
进化计算
相关VIP内容
【伯克利-Pieter Abbeel】深度强化学习基础，附slides与视频
专知会员服务
29+阅读 · 2021年8月26日
对比学习简述
专知会员服务
90+阅读 · 2021年6月29日
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
134+阅读 · 2021年6月16日
Python编程基础，121页ppt
Python编程基础，121页ppt
专知会员服务
49+阅读 · 2021年1月1日
【优化基准：最佳实践，54页pdf】Benchmarking in Optimization: Best Practice and Open Issues
【优化基准：最佳实践，54页pdf】Benchmarking in Optimization: Best Practice and Open Issues
专知会员服务
24+阅读 · 2020年7月28日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
182+阅读 · 2020年2月1日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
10+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
48+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
177+阅读 · 2019年10月11日
Yoshua Bengio，使算法知道“为什么”
Yoshua Bengio，使算法知道“为什么”
专知会员服务
8+阅读 · 2019年10月10日
热门VIP内容
相关资讯
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关论文
A Conflict-Based Search Framework for Multi-Objective Multi-Agent Path Finding
Arxiv
0+阅读 · 2021年11月30日
Improving Zero-shot Generalization in Offline Reinforcement Learning using Generalized Similarity Functions
Arxiv
0+阅读 · 2021年11月29日
Controllable and Compositional Generation with Latent-Space Energy-Based Models
Arxiv
9+阅读 · 2021年10月21日
HuMoR: 3D Human Motion Model for Robust Pose Estimation
Arxiv
3+阅读 · 2021年5月10日
A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs
Arxiv
3+阅读 · 2020年7月20日
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
DyKgChat: Benchmarking Dialogue Generation Grounding on Dynamic Knowledge Graphs
Arxiv
3+阅读 · 2019年10月1日
Investigating Meta-Learning Algorithms for Low-Resource Natural Language Understanding Tasks
Arxiv
5+阅读 · 2019年8月27日
Finding Needles in a Moving Haystack: Prioritizing Alerts with Adversarial Reinforcement Learning
Finding Needles in a Moving Haystack: Prioritizing Alerts with Adversarial Reinforcement Learning
Arxiv
3+阅读 · 2019年6月20日
A Multi-Objective Deep Reinforcement Learning Framework
A Multi-Objective Deep Reinforcement Learning Framework
Arxiv
16+阅读 · 2018年6月27日
Top
微信扫码咨询专知VIP会员
Top