✨【置顶/必看】如何利用本网站 如何利用本网站 这篇文章将告诉你如何更好的利用本网站当中的资料从而对你的学习生活真正有用。 本网站中的学习笔记主要包括如下几个部分: 来自重庆邮电大学和布鲁内尔大学的课程笔记(在“分类”-“学习笔记”中),内容包括: 随课笔记,即每堂课结束后根据课堂内容和相关资料整理而成的笔记(以数字标号和章节内容为标题,例如“01.运算放大器”),侧重点为课堂知识的逻辑性连接和以及原理阐释。 2022-03-13
✨【置顶】本站说明 说明 1️⃣ 建议点击右上角【📚分类】查看文章 2️⃣ 由于本站暂未在中国大陆备案,因此会出现偶发性无法访问的情况,此时请先通过科学上网访问,在浏览器留下cookies之后便可正常访问本站⚡ 3️⃣ 电脑端Chrome/Edge 等Chromium浏览器可以点击左下角的铃铛🔔订阅我的博客 4️⃣ 本博客所有文章全部为我手工编写。请尊重我的劳动成果,转载请注明出处,谢谢📖 版权说明 2022-03-15
03. 基因表达式算法 03. 基因表达式算法 这是对《Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence》的笔记,本页对应第3章: Chapter 3: The Basic Gene Expression Algorithm 本书可以在斯普林格购买纸质版或者电子版:https://l 2025-04-24 研究 > 进化计算 > 遗传编程 > 基因表达式编程:通过人工智能的数学建模
05. 随机常数 05. 随机常数 这是对《Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence》的笔记,本页对应第5章: Chapter 5: Numerical Constants and the GEP-RNC Algorithm 本书可以在斯普林格购买纸质版或者电子版:ht 2025-04-24 研究 > 进化计算 > 遗传编程 > 基因表达式编程:通过人工智能的数学建模
02. GEP的实体 02. GEP的实体 这是对《Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence》的笔记,本页对应第2章: Chapter 2: The Entities of Gene Expression Programming 本书可以在斯普林格购买纸质版或者电子版:ht 2025-04-23 研究 > 进化计算 > 遗传编程 > 基因表达式编程:通过人工智能的数学建模
01. 简介:生物遗传学背景 01. 简介:生物遗传学背景 这是对《Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence》的笔记,本页对应第一章: Chapter 1: Introduction: The Biological Perspective. 本书可以在斯普林格购买纸质版或者电子版: 2025-04-23 研究 > 进化计算 > 遗传编程 > 基因表达式编程:通过人工智能的数学建模
遗传编程运行Tricks 遗传编程实际运行Tricks 本篇依据Python中的DEAP库来给出一些在实际运行遗传编程程序中的技巧。 Bloat 和 Bloat Control Bloat会显著降低模型的泛化性能,因此有必要在运行过程中对GP添加上Bloat Control。 Parsimony Pressure Parsimony Pressure指的是在个体的raw fitness后面添加一项罚函数,用于 2025-04-18 研究 > 进化计算 > 遗传编程
遗传编程中Evolvability的进化 遗传编程中Evolvability的进化 Lee Altenberg. 1994. The evolution of evolvability in genetic programming. Advances in genetic programming. MIT Press, Cambridge, MA, USA, 47–74. 介绍 在GA中,Gentic Operator和Repres 2025-04-11 研究 > 进化计算 > 遗传编程
Geometric Semantic Genetic Programming:基于几何信息的GP Geometric Semantic Genetic Programming:基于几何信息的GP Alberto et al., Geometric Semantic Genetic Programming, PPSN, 2012. Alberto Moraglio, Krzysztof Krawiec, Semantic Genetic Programming, GECCO, 2019. 2025-02-18 研究 > 进化计算 > 遗传编程
可以从既有的schema theory中得到什么 可以从既有的schema theory中得到什么 Foundations of Genetic Programming Chapter 3,4,5,6的重点 https://link.springer.com/book/10.1007/978-3-662-04726-2 Chapter 3:位置信息 位置信息在schema中的表述体现为: schema的根节点:这个节点描述了 2025-01-25 研究 > 进化计算 > 遗传编程