Najnovejša akademska dela
Predstavitev in uporaba podatkov iz primerjalnih študij za optimizacijo in učenje
Nagel razvoj strojnega učenja in optimizacije črnih skrinjic je privedel do večje odvisnosti od primerjalnih podatkov za vrednotenje in primerjavo algoritmov na različnih področjih, vendar pa učinkovito izkoriščanje teh podatkov otežujejo izzivi, kot so sintaktična raznolikost, semantična dvoumnost in pomanjkanje standardizacije. Pričujoča disertacija se ukvarja s temi izzivi in zagovarja …
Karakterizacija zveznih večkriterijskih optimizacijskih problemov z omejitvami
Kljub večjemu številu nedavno objavljenih člankov na področju večkriterijske optimizacije z omejitvami razumevanje in karakterizacija večkriterijskih optimizacijskih problemov z omejitvami ostajata nezadovoljiva. Zato je izbira ustreznih problemov za primerjalno analizo zahtevna in nima formalne osnove. V takšnih okoliščinah je priprava dobro zasnovanega eksperimenta težka naloga, ki ob neustrezni izbiri testnih …
Razumevanje vpliva problemskih pokrajin v numerični optimizaciji črne škatle
Na področju optimizacije velja, da je uspešnost optimizacijskih algoritmov odvisna od problemov, ki jih algoritmi rešujejo. Posledično moramo za dosego dobrih optimizacijskih rezultatov pravilno izbrati tisti algoritem, ki je zmožen ta problem dobro rešiti. To lahko storimo s podrobnim poznavanjem tako optimizacijskih algoritmov kot tudi problemov. Kljub temu pa je …