Nghiên cứu về học chuyển đổi trong GP (Genetic programming)

Trong báo cáo này, chúng tôi đề xuất mô hình cài đặt học chuyển đổi trong GP.

Mô hình học chuyển đổi trong GP được xây dựng bằng cách sao chép các giải pháp tốt

từ bài toán nguồn (source) sang dân số của bài toán đích (targe). Mô hình này được kiểm

thử trên một số lớp các bài toán Hồi quy ký hiệu có cấu trúc và các kết quả thực nghiệm

chỉ ra rằng sử dụng Học chuyển đổi giúp GP thực thi tốt hơn trên một lớp các bài toán

liên quan. Tuy nhiên, chuyển đổi quá nhiều tri thức cũng có thể làm giảm mức độ thực thi

của GP do chuyển đổi các tri thức không cần thiết sẽ ảnh hưởng xấu đến chất lượng của

giải pháp tìm được, hiện tượng này còn được gọi là negative transfer. Do đó, nghiên cứu

trả lời câu hỏi "bao nhiêu tri thức cần chuyển từ bài toán nguồn sang bài toán đích" đóng

vai trò quan trọng. Trong báo cáo này, chúng tôi cố gắng cung cấp kết quả trả lời ban

đầu cho câu hỏi này.

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 1

Trang 1

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 2

Trang 2

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 3

Trang 3

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 4

Trang 4

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 5

Trang 5

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 6

Trang 6

Nghiên cứu về học chuyển đổi trong GP (Genetic programming) trang 7

Trang 7

pdf 7 trang duykhanh 7700
Bạn đang xem tài liệu "Nghiên cứu về học chuyển đổi trong GP (Genetic programming)", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Nghiên cứu về học chuyển đổi trong GP (Genetic programming)

Nghiên cứu về học chuyển đổi trong GP (Genetic programming)
ẠÍỌ −−−Ố   79 
 
 ÊỨỀỌỂĐỔÊỨỀỌỂĐỔ
 
  
 
 
 
 
 
 ơ
 
 
 
 
 
 
 
 

 yyy
yaa
ay
ayơ
ayy
ay
aa
yaaa
 y
yayy
ayy
  
yayy
yEaaa
 
80  ƯỜĐẠỌỦĐÔỘ
yy
yơy
aay
 yyy
yy
yy
ơơy

ơyaa
ơyy
 aya
 aaya
 ya


 y
ơ
yayơ
yaa
y
yya
yy

 yaaa
ơaaa
ơy
ơy
a
 
 
 
 ya
 
 
ẠÍỌ −−−Ố   81 
 ơ
 y
 
Ư
 ơyaay
 aya
 aaya
 ya
 aơay
a
yaa
aơyy
a
y   a   y
yy
a

 aơa
yaơ
yơ  
ayaa
a  aa

  
  
  
 
     
  
      
   
        
    
        
     
         
 
82  ƯỜĐẠỌỦĐÔỘ
  
    
 
     
  
       
   
       
    
        
    
    
     
    
    
    
  
      
    
         
      
          
        
            
 ay
a
ayaa
y
  
  
  
  
 a a
 a 
 a 
  
 a 
 a 
 ay 
  
 
  
 y a
  a
  aaaa
  aa
 
 
ẠÍỌ −−−Ố   83 

 aơ      
yayayơ
aaa
yay
 yy

 Stan
 dard
 GP
 absolute error] 
 Best fitenss Best fitenss [mean 
 Generations 
 Stand
 ard
 GP
 absolute error] 
 Best fitenss Best fitenss [mean 
 Generations 
 
 Stan Standa
 dard rd GP
 GP
 K25-
 Transf
 er GP
 K50-
 Transf
 er GP
 Bestfitenss [mean absolute error] 
 Best fitenss Best fitenss [mean absolute error] 
 Generations Generations 
  
  
 
84  ƯỜĐẠỌỦĐÔỘ
 Stand Standa
 ard rd GP
 GP
 K25-
 Transf
 er GP
 error] 
 error] 
 Best fitness Best fitness [meanabsolute 
 Best fitness Best fitness [meanabsolute 
 Generations Generations 
  
 Stand Standa
 ard rd GP
 GP
 K25-
 Transf
 er GP
 error] 
 error] 
 Bestfitness [mean absolute 
 Best fitness Best fitness [mean absolute 
 Generations 
  Generations 
  
 
 A   a  Eay  A   
 AaEaya
       a     aa  a
 EaEEEaaaaEa
    a  a a     A  a
 aaAAaa
 aay
  A a a A a  A   aa  
 aaaEEEaaaaE
 
  a  a  a  a Aaa  aa a 
 Aaa
     a  a  a y  a
 aAaaaaA
 Aaa 
 
 
ẠÍỌ −−−Ố   85 
 
 
 
             
 
 
              
 
 
 
 
 
 
 
 
 

File đính kèm:

  • pdfnghien_cuu_ve_hoc_chuyen_doi_trong_gp_genetic_programming.pdf