腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
为什么A星
算法
需要g(n)?
、
Dijkstra
的
算法
是f(n) = g(n)g( n )是从起始节点到n
的
路径
的
代价
。h(n)是一个启发式
函数
,它估计从n到目标的
最
便宜路径
的
代价
。为什么A*需要g(n)?
浏览 1
提问于2018-09-20
得票数 2
1
回答
图-具有顶点权
的
最短路径
、
、
、
、
这是一项消费税:(a)假设图中
的
每个边
的
权重为零(而非边
的
代价
为.Assum
浏览 3
提问于2012-05-04
得票数 21
回答已采纳
1
回答
sci-kit学习库
中
的
算法
参数是如何
优化
的
?
、
、
、
当机器学习在数学上被看到时,我们有
代价
函数
,以减少下一次预测
中
的
误差,并且我们继续
优化
特定
算法
中使用
的
方程
的
参数。谁能告诉我如何在sci-kit学习
中
优化
这些参数,有没有办法在提到
的
库
中
浏览 14
提问于2020-02-05
得票数 1
回答已采纳
1
回答
A星
的
成本
函数
系数
、
、
我想就这个问题谈一谈: Dijkstra
算法
使用
代价
函数
f( n ) = g(n),而A*使用
代价
函数
f(n) = g(n) + h(n),g(n)是从起始节点到节点n
的
路径
代价
,h(n)是一个启发式
函数
,估计从节点n到目标的
最
便宜路径
的
代价
。从这个问题可以看出,A*在成本
函数
中
需要它
的
g(n)
函数
。不过,我
的</em
浏览 2
提问于2019-09-17
得票数 1
回答已采纳
1
回答
具有距离抑制
的
3D定位和多边化
、
、
我有一个涉及3d定位
的
问题--有点像GPS。给定一组已知
的
3d坐标(发射器)和它们到未知点
的
距离d,我想要找到未知点(接收器)。有8个已知点。距离精确到大约0.3毫米,我想要进行多边化,以找到接收器可能
的
最
精确位置。 但是在任何给定
的
时间点,从这些已知点之一到未知点
的
一些距离可能会受到阻碍,并将给出不正确
的
范围结果。此外,在任何给定
的
点,无障碍(和可用)范围可能由8.7毫米
的
恒定误差(尽管如果我检测到这一点,我可以很
浏览 10
提问于2014-06-10
得票数 1
1
回答
替代LBFGS,在稀疏自动编码器中使用梯度下降
、
、
、
、
在Andrew Ng
的
课堂讲稿
中
,他们使用了LBFGS并获得了一些隐藏
的
功能。我可以使用梯度下降代替,并产生相同
的
隐藏特征吗?其他参数都是一样
的
,只需改变
优化
算法
即可。因为当我使用LBFGS时,我
的
自动编码器可以产生与讲座笔记
中
相同
的
隐藏特征,但当我使用梯度下降时,隐藏层
中
的
特征消失了,看起来完全是随机
的
。具体地说,为了
优化
成本
函数</e
浏览 0
提问于2016-05-16
得票数 0
1
回答
具有相关顶点
代价
的
二部选择
、
、
我想我正在寻找一种
算法
,它可以在二分图中找到“最小”
的
“选择”。每个顶点有一个相关
的
(整数)成本来选择它。我只能找到将所选集合
中
的
顶点数目最小化
的
算法
,而不是
代价
。我以前以为我需要一个“匹配”,但实际上我只需要覆盖每个边
的
顶点子集.顶点1, 2 ,3在A
中
,有1。顶点4在B
中
,有2。解决方案是删除
最
浏览 0
提问于2013-04-06
得票数 1
回答已采纳
2
回答
解决用户定义
函数
和约束
的
Python ES
算法
、
、
、
、
我很难在python
中
创建一个
优化
算法
的
简单示例。在约束条件下,使用x**2 + 2*y**2 -4*x*y - 0.5*y -ES
算法
优化
函数
-2<x<2和-1<2*(x**2)*y<1
的
最
简化
的
方法是什么?我查看了DEAP库,但未能开发出一致
的
尝试。我发现不那么直观。我还查看了包,但我不清楚如何实现约束。
浏览 17
提问于2016-05-18
得票数 7
回答已采纳
1
回答
寻找未知和昂贵
函数
的
全局最优解
、
我想为影响某些存储所使用
的
磁盘空间
的
算法
找到参数
的
最佳组合。因此,使用几个
算法
参数(x1, x2, x3,其中0 < x1 < 1, 10 < x2 < 100, 0.1 < x3 < 0.5)作为模型
的
输入,存储S(x1, x2, x3)占用
的
磁盘空间是我想要最小化
的
成本
函数
问题是每个
函数
调用S(x1, x2, x3)都非常昂贵,可能需要几分钟甚至几个小时才能结束,因此准备培训集
浏览 0
提问于2021-12-13
得票数 0
回答已采纳
4
回答
机器学习:为什么成本
函数
不需要是可导
的
?
、
我正在使用Tensorflow创建一个自定义
的
损失
函数
,这个关于通用机器学习
的
问题突然出现在我
的
脑海中。我
的
理解是,
优化
算法
需要一个可导
的
代价
函数
来寻找/接近最小值,但是我们可以使用不可导
的
函数
,如绝对
函数
(当x=0时没有导数)。一个更极端
的
例子是,我这样定义我
的
成本
函数
: def customLos
浏览 1
提问于2018-01-07
得票数 0
1
回答
线性回归
优化
、
、
、
在我发现
的
大多数实现该方法
的
例子
中
,都使用了梯度下降。 有比梯度下降更好
的
线性回归
优化
方法吗?
浏览 0
提问于2018-07-08
得票数 1
回答已采纳
1
回答
使用fmin_powell
优化
参数,仅为正参数
、
我一直在尝试使用fmin_powell方法
优化
系数。我希望
优化
器只检查正值。因此,我添加了参数是否为负数
的
条件--返回100000000.0。
浏览 2
提问于2017-03-31
得票数 1
回答已采纳
1
回答
如何模拟未预见边界
的
最小化器
的
边界?
、
、
我有一个
优化
问题,我想使用scipy.optimize.minimize包,也就是没有预见到任何约束或界限
的
方法之一,比如‘nelder’,'powell','cg','bfgs',newton‘,’dog我想通过在我
的
成本
函数
上添加一个包装器来自我介绍界限: 这个包装器由
优化
器调用,并将参数传递给我想要
优化
的
代价
函数
。成本
函数
返回一个值给包装器。如果<em
浏览 0
提问于2019-08-28
得票数 1
回答已采纳
1
回答
粒子群
优化
算法
在R
中
的
实现
、
、
我在R
中
检查了一个简单
的
移动平均交叉策略,而不是在二维参数空间(短期移动平均
的
长度,长期移动平均
的
长度)上运行巨大
的
模拟,我想实现粒子群
优化
算法
来找到最优
的
参数值。我一直在浏览网页,读到这个
算法
非常有效。此外,
算法
的
工作方式让我着迷……非常感
浏览 1
提问于2010-10-17
得票数 10
回答已采纳
1
回答
在高空中。它处理点(2D),但实际上每个点都是一个向量,如何将它们标记为点?
、
、
、
我正在尝试基于
优化
代价
函数
来组织图
的
顶点。目前我使用
的
是模拟退火
算法
。问题是,在最初
的
算法
中
,我们正在寻找最优点(可能是在2D环境
中
),在我
的
例子
中
,每个点都不只是一个点,而是一些顶点
的
排序。例如:我们有一个有3个顶点
的
图: I1,I2,I3。对我来说,有一点是I1 I2 I3或I2 I1 I3,所以我必须得到
的
最终解决方案是一
浏览 1
提问于2014-06-03
得票数 0
1
回答
函数
来确定scipy.optimize
的
合理
的
初始猜测?
、
、
、
、
我使用来找到对最初猜测相当敏感
的
4D
函数
的
最小值。如果我稍微改变一下,解决方案会有很大
的
变化。 Zunzun.com使用差分进化遗传
算法
(DE)来寻找初始参数估计,然后传递给枕叶
中
的
Levenberg-MarquardtDE本身并不是一个全局
优化<
浏览 2
提问于2016-02-09
得票数 5
回答已采纳
1
回答
optim()
的
高维
优化
方案
、
、
我为optim实现了一个包装
函数
,使用了一个非标准(分段线性)成本
函数
,并对此成本
函数
进行了
优化
。(想想lm,但是用自定义
函数
替换成本
函数
最小二乘。) 此过程对于低维模拟数据非常有效。然而,我
的
数据(不幸
的
是我无法共享)是相对高维度
的
(大约100列,没有常量列)。使用这些高维数据,
优化
参数与其初始值相差0.001(或多或少取决于所使用
的
方法),甚至使用参数control = list(maxit =
浏览 3
提问于2020-11-11
得票数 0
回答已采纳
1
回答
当我们将.fit()方法应用于Scikit
中
的
kNN模型时会发生什么-了解kNN是否没有训练阶段?
、
、
、
由于kNN在内存级别处理训练和预测,并且不需要显式
的
训练过程,因此当拟合knn模型时到底会发生什么?我认为这一步与训练模型有关。谢谢。 如果我跳过拟合步骤,这是我将得到
的
错误。
浏览 104
提问于2020-12-28
得票数 2
回答已采纳
2
回答
线性回归
的
时间复杂度是多少?
、
、
、
、
我
的
工作是线性回归,我想知道时间复杂性
的
大-O表示法。没有
优化
算法
(如梯度下降)
的
线性回归
的
代价
函数
需要在权重组合
的
迭代中计算(作为蛮力方法)。这使得计算时间取决于权重
的
数量,并且明显地取决于训练数据
的
数量。 如果$n$是训练数据
的
数量,则$W$是权重
的
数量,而权重空间
的
每个分辨率都被设置为$m$,这意味着每个权重将迭代可能值
的
浏览 0
提问于2018-07-20
得票数 10
1
回答
最小生成树
的
全对最短路径
、
我试图解决一个关于图
的
算法
挑战,我已经将它分解为以下几个方面:给定一个无向生成树,找到2叶,使得它们之间
的
代价
最小。现在我知道了Floyd
算法
,它可以找到具有时间复杂度O(N^3)和空间复杂度O(N^2)
的
所有对最短路径。问题
的
输入是N= 10^5,所以O(N^3)和O(N^2)太多了。有没有办法
优化
这个问题
的
时间和空间复杂度?
浏览 6
提问于2017-03-07
得票数 1
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
机器学习代价函数中的正则化
EM算法中的近似函数
深度模型中的优化 - 优化策略和元算法篇
制造能耗优化中的大数据算法
深度模型中的优化 - 基本算法篇
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券