.png){kind=icon}
返回
Spatially Distributed Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09037-9_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种加速遗传编程种群进化的新方法。该方法通过将训练数据划分为小数据子集，并为种群中的每个个体分配不同的子集，以替代在完整数据集上对每个个体的评估，从而减少计算时间。该方法已在7个数据集上进行了性能检验，其中4个用于分类，3个用于回归，且两组数据集均具有不同的难度。所得结果表明，新方法在性能上与在完整数据集上训练所有个体的传统算法相当；相较于被比较的经典GP算法，该方法显著缩短了计算时间。
Keyword:
Genetic Programming
Computational Time
Population Evolution
Data Subsets
Spatially Distributed Learning
期刊
A
IF:
0
论文数:
31
被引数:
0
机构
暂无机构信息
引用论文
.png){kind=icon}
Genetic programming as a means for programming computers by natural selection遗传编程是通过自然选择对计算机进行编程的一种手段
PREAI
分享收藏 没有更多内容
没有更多内容