- 开发者
- 运筹优化
#运筹优化#
- 介绍智能交通领域学术期刊、学者和研究机构,运筹优化理论在智能交通领域的应用。 介绍智能交通领域学术期刊、学者和研究机构,运筹优化理论在智能交通领域的应用。
- 联邦学习概览:联邦学习简介在过去几年里,我们见证了机器学习在AI领域的快速发展,无论是在计算机视觉还是语音识别 自然语言处理还是在推荐 广告这些领域都取得了巨大的进步。近年来人工智能可谓风风火火,掀起一波又一波浪潮,从人脸识别、活体检验发现刑事案件报警到阿尔法狗大战人类围棋手李世石、再到无人驾驶、以及已被普遍应用的精准营销,AI逐步进入人们生活的方方面面。当然也不免出现部分过度吹捧,导致对A... 联邦学习概览:联邦学习简介在过去几年里,我们见证了机器学习在AI领域的快速发展,无论是在计算机视觉还是语音识别 自然语言处理还是在推荐 广告这些领域都取得了巨大的进步。近年来人工智能可谓风风火火,掀起一波又一波浪潮,从人脸识别、活体检验发现刑事案件报警到阿尔法狗大战人类围棋手李世石、再到无人驾驶、以及已被普遍应用的精准营销,AI逐步进入人们生活的方方面面。当然也不免出现部分过度吹捧,导致对A...
- 1.公式树模块符号树模块的作用是,从训练集X和function_set中进行随机采样,生成一棵公式树,同时提供子树变异、 crossover、hoist变异和点变异的方法。 1.1基本属性参数说明function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]arities形式为{arity... 1.公式树模块符号树模块的作用是,从训练集X和function_set中进行随机采样,生成一棵公式树,同时提供子树变异、 crossover、hoist变异和点变异的方法。 1.1基本属性参数说明function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]arities形式为{arity...
- LP的规模通常是由约束矩阵A的规模决定的,矩阵的元素通常用8个字节的double型储存,假设矩阵有m行,n列,则直接储存A需要8mn字节。如果A有10000行,20000列(不是特别大规模的),那么需要1.6G内存储存A,一方面内存要求高,另一方面对矩阵A的操作困难。大规模LP通常含有大量的零元,非零元占比非常小,这个性质称为稀疏性,即A为稀疏矩阵。 LP的规模通常是由约束矩阵A的规模决定的,矩阵的元素通常用8个字节的double型储存,假设矩阵有m行,n列,则直接储存A需要8mn字节。如果A有10000行,20000列(不是特别大规模的),那么需要1.6G内存储存A,一方面内存要求高,另一方面对矩阵A的操作困难。大规模LP通常含有大量的零元,非零元占比非常小,这个性质称为稀疏性,即A为稀疏矩阵。
- 遗传算法(Genetic algorithm, GA),模拟生物在自然环境中遗传和进化的自适应(对遗传参数的自适应调整)全局优化(随机变异不断寻找全局最优解)算法,基本思想是“优胜劣汰”,是应用最广泛和效果最显著的智能优化算法。 遗传算法(Genetic algorithm, GA),模拟生物在自然环境中遗传和进化的自适应(对遗传参数的自适应调整)全局优化(随机变异不断寻找全局最优解)算法,基本思想是“优胜劣汰”,是应用最广泛和效果最显著的智能优化算法。
- 故事的起因来源于我在优化他人c++源码的时候,想通过多线程的方式提升程序的运算效率,主要存在以下需求和难点:多个线程并行跑模型,看哪个模型跑的快,跑出来后结束其他线程,线程间独立运行无通信过程源码模型很复杂,函数调用较多,不好改动,因此不太适合通过信号或标志进行通信终止网上搜索了一下线程结束的几种方式:线程函数的return返回(建议)。这种退出线程的方式是最安全的,在线程函数return返... 故事的起因来源于我在优化他人c++源码的时候,想通过多线程的方式提升程序的运算效率,主要存在以下需求和难点:多个线程并行跑模型,看哪个模型跑的快,跑出来后结束其他线程,线程间独立运行无通信过程源码模型很复杂,函数调用较多,不好改动,因此不太适合通过信号或标志进行通信终止网上搜索了一下线程结束的几种方式:线程函数的return返回(建议)。这种退出线程的方式是最安全的,在线程函数return返...
- 差分进化算法简介。 差分进化算法简介。
- 量化入门 量化交易(Quantitative Trading) 引言近年来,量化投资行业得到了迅速的发展,传统多因子模型在A股过去若干年内也获得较为稳健的超额收益。然而,由于市值效应在 A 股市场的影响过于明显,导致传统多因子模型或多或少都受其影响。 尤其是自2016年11月以来,随着A股市场风格的急剧变化,策略稳定性受到了一定冲击。从目前市值因子的收益波动性而言,小市值因子超额收益的黄金... 量化入门 量化交易(Quantitative Trading) 引言近年来,量化投资行业得到了迅速的发展,传统多因子模型在A股过去若干年内也获得较为稳健的超额收益。然而,由于市值效应在 A 股市场的影响过于明显,导致传统多因子模型或多或少都受其影响。 尤其是自2016年11月以来,随着A股市场风格的急剧变化,策略稳定性受到了一定冲击。从目前市值因子的收益波动性而言,小市值因子超额收益的黄金...
- 算法开发中常用的numpy接口 1.1numpy.random.randint用法函数的作用是,返回一个随机整型数,范围从低(包括)到高(不包括),即[low, high)。如果没有写参数high的值,则返回[0,low)的值。numpy.random.randint(low, high=None, size=None, dtype='l') 参数如下:参数描述low: int生成的数值最... 算法开发中常用的numpy接口 1.1numpy.random.randint用法函数的作用是,返回一个随机整型数,范围从低(包括)到高(不包括),即[low, high)。如果没有写参数high的值,则返回[0,low)的值。numpy.random.randint(low, high=None, size=None, dtype='l') 参数如下:参数描述low: int生成的数值最...
- 对偶函数的极大化等价于最大熵模型的极大似然估计。推导过程可以参考学习笔记|似然函数与极大似然估计 和学习笔记|logistic回归 。(上述推导可参见学习笔记|最大熵模型的学习)再看对偶函数ψ(ω)。(上述推导依据可参见学习笔记|最大熵模型的学习)比较上述结果可得:因此,最大熵模型学习中的对偶函数极大化等价于最大熵模型的极大似然估计。最大熵模型与Logistic回归模型有类似的形式,它们又称... 对偶函数的极大化等价于最大熵模型的极大似然估计。推导过程可以参考学习笔记|似然函数与极大似然估计 和学习笔记|logistic回归 。(上述推导可参见学习笔记|最大熵模型的学习)再看对偶函数ψ(ω)。(上述推导依据可参见学习笔记|最大熵模型的学习)比较上述结果可得:因此,最大熵模型学习中的对偶函数极大化等价于最大熵模型的极大似然估计。最大熵模型与Logistic回归模型有类似的形式,它们又称...
- 偏度skewness定义:峰度定义:python使用pandas来计算偏度和峰度import pandas as pdx = [53, 61, 49, 66, 78, 47]s = pd.Series(x)print(s.skew())print(s.kurt())它是用上面的G1来计算偏度 G2来计算峰度,结果如下:0.7826325504212567-0.263165544103846... 偏度skewness定义:峰度定义:python使用pandas来计算偏度和峰度import pandas as pdx = [53, 61, 49, 66, 78, 47]s = pd.Series(x)print(s.skew())print(s.kurt())它是用上面的G1来计算偏度 G2来计算峰度,结果如下:0.7826325504212567-0.263165544103846...
- 数据结构必刷类别 1.基本数据结构用法:heapq, sorted, PriorityQueue default_dict 计数器(Counter)bisect二分查找 String 常见字符串操作 heapq:这个模块提供了堆队列算法的实现,也称为优先队列算法。它使用了数组来实现:从零开始计数,对于所有的 k ,都有 heap[k] <= heap[2k+1] 和 heap[k] <= ... 数据结构必刷类别 1.基本数据结构用法:heapq, sorted, PriorityQueue default_dict 计数器(Counter)bisect二分查找 String 常见字符串操作 heapq:这个模块提供了堆队列算法的实现,也称为优先队列算法。它使用了数组来实现:从零开始计数,对于所有的 k ,都有 heap[k] <= heap[2k+1] 和 heap[k] <= ...
- 学习笔记|广义拉格朗日函数与KKT条件的应用中提到了凸函数的性质,今天来对凸函数及其性质做个回顾。1. 凸函数的定义凸函数可以有多种相互等价的定义,它们也揭示了凸函数的重要性质。那么什么是凸集?定义7所谓Hesse矩阵2. 凸函数的性质后记本篇更像资料的整理,对于凸函数的各种定义和性质仅做了简单的梳理,没有进行完整的推导与证明,并不具有完备性,且可能存在一些疏漏之处。参考文献1.https:... 学习笔记|广义拉格朗日函数与KKT条件的应用中提到了凸函数的性质,今天来对凸函数及其性质做个回顾。1. 凸函数的定义凸函数可以有多种相互等价的定义,它们也揭示了凸函数的重要性质。那么什么是凸集?定义7所谓Hesse矩阵2. 凸函数的性质后记本篇更像资料的整理,对于凸函数的各种定义和性质仅做了简单的梳理,没有进行完整的推导与证明,并不具有完备性,且可能存在一些疏漏之处。参考文献1.https:...
- 1. 知识点回顾在学习笔记|拉格朗日乘子法中,我们讨论了多变量多约束下拉格朗日乘子法的应用,即在学习笔记|KKT条件与拉格朗日乘子法中,我们进一步讨论了含有不等式约束情况下,拉格朗日乘子法的应用,即假设最优化问题为:2. 广义拉格朗日函数与KKT条件同样假设最优化问题为:KKT条件同样不变3. KKT条件的意义学习笔记|KKT条件与拉格朗日乘子法实际上在推导KKT条件的必要性,这里重点证明凸... 1. 知识点回顾在学习笔记|拉格朗日乘子法中,我们讨论了多变量多约束下拉格朗日乘子法的应用,即在学习笔记|KKT条件与拉格朗日乘子法中,我们进一步讨论了含有不等式约束情况下,拉格朗日乘子法的应用,即假设最优化问题为:2. 广义拉格朗日函数与KKT条件同样假设最优化问题为:KKT条件同样不变3. KKT条件的意义学习笔记|KKT条件与拉格朗日乘子法实际上在推导KKT条件的必要性,这里重点证明凸...
- 学习笔记|线性规划的标准化提到了用拉格朗日乘子法求解标准形式的线性规划,实际上拉格朗日乘子法更适用于求解非线性优化问题,而对于线性规划的求解,更加适合用单纯形法求解,不再继续展开。本篇主要讨论传说中的KKT条件与拉格朗日乘子法。KKT条件是Karush[1939],以及Kuhn和Tucker[1951]先后独立发表出來的,是确定某点为极值点的必要条件。在引入KKT条件前,让我们先回到拉格朗日... 学习笔记|线性规划的标准化提到了用拉格朗日乘子法求解标准形式的线性规划,实际上拉格朗日乘子法更适用于求解非线性优化问题,而对于线性规划的求解,更加适合用单纯形法求解,不再继续展开。本篇主要讨论传说中的KKT条件与拉格朗日乘子法。KKT条件是Karush[1939],以及Kuhn和Tucker[1951]先后独立发表出來的,是确定某点为极值点的必要条件。在引入KKT条件前,让我们先回到拉格朗日...
上滑加载中
推荐直播
-
物联网资深专家带你轻松构建AIoT智能场景应用
2024/11/21 周四 16:30-18:00
管老师 华为云IoT DTSE技术布道师
如何轻松构建AIoT智能场景应用?本期直播将聚焦华为云设备接入平台,结合AI、鸿蒙(OpenHarmony)、大数据等技术,实现物联网端云协同创新场景,教您如何打造更有实用性及创新性的AIoT行业标杆应用。
回顾中 -
Ascend C算子编程之旅:基础入门篇
2024/11/22 周五 16:00-17:30
莫老师 昇腾CANN专家
介绍Ascend C算子基本概念、异构计算架构CANN和Ascend C基本概述,以及Ascend C快速入门,夯实Ascend C算子编程基础
即将直播 -
深入解析:华为全栈AI解决方案与云智能开放能力
2024/11/22 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播我们将重点为大家介绍华为全栈全场景AI解决方案以和华为云企业智能AI开放能力。旨在帮助开发者深入理解华为AI解决方案,并能够更加熟练地运用这些技术。通过洞悉华为解决方案,了解人工智能完整生态链条的构造。
去报名
热门标签