知识卡片
高维飞行搜索
PSO把模型参数向量看作搜索空间中的位置,每一维对应一个可调参数;速度向量给出各参数下一步的增量。训练由移动候选和评价位置组成,不是让真实物体飞行,也不自动改变模型结构。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 粒子群优化 6.2 粒子群优化 · 查看原书依据
模型中的每个参数都是一个维度。从根本上讲,模型的这些参数可归约为浮点向量的数组。 在神经网络中,一旦指定了神经元的数量以及它们放入各层的方式,该网络中权重的数量就不会改变。随着训练的进行,这些权重会发生变化,以便让神经网
参考来源
- 位置:《人工智能算法(卷2):受大自然启发的算法》第6章《粒子群优化》,原书小节“6.2 粒子群优化”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/chapter006.html#nav_point_88)
- 结论依据:原文把神经网络固定数量的权重与PSO维度对应,并用10加−0.5得到9.5说明移动。
- 原始内容:模型中的每个参数都是一个维度。从根本上讲,模型的这些参数可归约为浮点向量的数组。 在神经网络中,一旦指定了神经元的数量以及它们放入各层的方式,该网络中权重的数量就不会改变。随着训练的进行,这些权重会发生变化,以便让神经网