动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题。本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题。
2023-04-23 15:06:34
2.68MB
1
库加
使用遗传算法例程对未知恶意软件进行聚类
COUGAR是一个系统，能够减少高维恶意软件行为数据，并借助多目标遗传算法来优化该数据的聚类，以标记未知恶意软件。
此与以下论文相关：
和 。 2020年。COUGAR：使用遗传算法例程对未知恶意软件进行聚类。 在2020年7月8日至12日在墨西哥坎昆举行的遗传与进化计算会议（ ）上。 ACM，美国纽约，纽约，共9页。
建立
设置virtualenv：
# This may require you to install the python3-venv package
# You can do so on a Debian-based s
2023-04-20 21:12:33
108KB
1
用java写的遗传算法，例子是求f(x1,x2)=100*(x1*x1-x2)*(x1*x1-x2)+(1-x1)*(1-x1)的最优解
2023-04-19 11:39:11
8KB
1
NLP项目实例，实现一个类似于中文输入法中联想的功能；项目利用深度学习框架Pytorch，构建一个LSTM（也支持NGram，TextCNN，LSTM，BiLSTM等）模型，实现一个简易的中文单词预测（词语预测）功能，该功能可以根据用户输入的中文语句，自动预测(补充)词语；基于该项目训练的中文单词预测(词语预测）模型，在自定义的数据集上Top-1准确率最高可以达到91%左右，Top-5准确率最高可以达到97%左右。博文：https://blog.csdn.net/guyuealian/article/details/128582675
2023-04-18 22:22:20
432B
1
具有递归神经网络的文本生成
使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂（Andrej Karpathy）的莎士比亚作品集。 给定来自此数据的字符序列（“莎士比亚”），训练模型以预测序列中的下一个字符。 通过重复调用模型，可以生成更长的文本序列。
模型的输出
以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出：
奎妮：我以为你有罗马人。 Oracle这样，使所有人都反对这个词，因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中，通过流血的宝座沉淀。
伊丽莎白·比什普（Bishop of Ely）：我的主，嫁给并愿意哭泣，这是最漂亮的。 然而，现在我被世界可悲的一天收为继承人，要和他父亲一起面对面观看新路吗？
埃斯卡洛斯：为什么我们都下了更多儿子的原因。
卷：不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，这是没
2023-04-17 22:59:21
70KB
1