AdaBound一种优化器，其训练速度与Adam一样快，并且与SGD一样好，用于针对CV，NLP等领域中的各种流行任务开发最新的深度学习模型。 。 （2019）。 Ada AdaBound一种优化器，其训练速度与Adam一样快，并且与SGD一样好，用于针对CV，NLP等领域中的各种流行任务开发最新的深度学习模型。 al。 （2019）。 具有学习率动态范围的自适应梯度方法。 在过程中。 的ICLR 2019版本。快速链接网站演示安装AdaBound需要Python 3.6.0或更高版本。 我们目前提供PyTorch版本，并且TensorFlow的AdaBound即将推出。 通过安装

在多目标灰狼优化器 (MOGWO) 中，一个固定大小的外部档案被集成到 GWO 中，用于保存和检索帕累托最优解。 该档案已被用于定义社会等级并模拟多目标搜索空间中灰狼的狩猎行为。 主要论文可在此处找到：S. Mirjalili、S. Saremi、SM Mirjalili、L. Coelho，多目标灰狼优化器：一种用于多标准优化的新算法，专家系统与应用程序，印刷中，DOI： http ://dx.doi.org/10.1016/j.eswa.2015.10.039 该算法的单目标版本可以在这里找到： http : //au.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer--gwo - 更多信息请见： http : //www.alimirjalili.com/GWO.html 其他相关提交： ht

I-GWO 算法受益于一种新的运动策略，称为基于维度学习的狩猎 (DLH) 搜索策略，该策略继承自自然界狼的个体狩猎行为。 DLH 使用不同的方法为每只狼构建一个邻域，其中可以在狼之间共享相邻信息。 DLH 搜索策略中使用的这种维度学习可以增强局部和全局搜索之间的平衡并保持多样性。 作者和程序员：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili 电子邮件：nadimi@ieee.org、shokooh.taghian94@gmail.com、ali.mirjalili@gmail.com http://www.alimirjalili.com 主要论文：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili，用于解决的改进灰狼优化器，工程问题，专家系统与应用，印刷中，DOI：10.1016/j.eswa.2020.1

matlab代码粒子群算法MLP优化器 这是一个简单的Matlab代码，用于使用不同的优化算法训练多层感知器（MLP）网络。 Availale优化器： 多诗词优化器（MVO） 粒子群优化（PSO） 遗传算法（GA） 基于生物地理的优化（BBO）

数据库查询优化器的艺术：原理解析与SQL性能的艺术 完整版 pdf

分享了金鹰优化器工具箱及其原文，亲测有效，更多算法可进入空间查看

分享了冠状病毒群体免疫优化器源代码及其对应原文，亲测有效，更多算法可进入空间查看

金鹰优化器 (GEO) 和多目标金鹰优化器 (MOGEO) 元启发式算法的源代码和用户界面 原论文： https : //doi.org/10.1016/j.cie.2020.107050 预印本： https : //www.researchgate.net/publication/347685369_Golden_Eagle_Optimizer_A_nature-inspired_metaheuristic_algorithm 电子邮件：geo.algorithm@gmail.com

分享了野马优化器算法源代码及原文，亲测有效，更多算法可进入空间查看

#3.6_Optimizer_优化器_(PyTorch_tutorial_神经网络_教学)