AutoML总结 - dkjkls.xmind
https://blog.csdn.net/dkjkls/article/details/97569793
https://blog.csdn.net/dkjkls/article/details/97569793
运筹学优化领域,多目标优化算法,多目标自适应粒子群优化算法;并简要介绍了开源多目标优化算法框架jMetal。 原文参见 https://blog.csdn.net/dkjkls/article/details/88364570
GBDT和随机森林 课程PPT 1.Ensemble Learning 集成学习 2.Bagging: 随机森林 及实战 3.Boosting: GBDT 及实战 4.XGBoost & LightGBM
PPT是针对博主使用粒子群优化算法解决水面无人艇静态、动态障碍物规避,及场地布局三类问题,做了更深入的总结分析。 与目前火热的机器学习不同,智能优化算法需要对问题建立确定的模型,具有明确的优化目标函数,对优化变量不断的寻优。通过对三种算法的问题描述、模型建立、算法参数确定、算法流程描述、计算结果分析,及从维度、优化变量、优化目标、针对业务的PSO优化四个方面,对应用在不同场景下的三种粒子群算法进行对比总结,旨在更彻底的剖析如何将粒子群优化算法应用到具体的问题中。 该PPT是原版包含动画的PPT(Office版本越高越好,至少2010,否则有些动画在低版本显示有问题),自我感觉PPT做的很正、很文艺范,是博主7年来打杂做各种PPT经验的大成之作(说白了也就这水平),相信看完原版PPT你就会觉得原来技术分享也可以这么文艺范!
水面无人艇局部危险避障算法研究 答辩PPT-包含动画。 将水面无人艇局部危险避障分为三层进行考虑:基于PSO的已知静态路径规划方法,基于PSO并融合海事规则的已知动态路径规划方法和基于滚动窗口的未知环境下的避障方法。前两层算法是基于环境先验知识的已知局部危险避障,第三层算法是基于传感器知识的未知局部危险避障。