Публикации по теме 'optimization'


Проблема: «…поиск непригоден для огромных аккаунтов…»
Проблема: «…поиск непригоден для огромных аккаунтов…» «Только что попробовал поискать и ничего не смог с этим поделать — убивает браузер. Я думаю, нам следует добавить к нему некоторую защиту от дребезга (если она еще не добавлена) и подойти к поиску более разумно, DOM, вероятно, слишком тяжел для этого, его можно даже фильтровать с помощью ajax». первый комментарий: «Ember UI кто-нибудь?» За считанные секунды мы пришли к тому, чтобы что-то переписать, хотя у нас есть на это и..
Интерпретация метода адаптивного шага BB
Разве не было бы здорово не беспокоиться о скорости обучения? Чтобы скорость обучения адаптировалась по мере минимизации? Это фактически решаемая задача (для квадратичных функций) с 1988 года, и ее решение называется методом Барзилаи и Борвейна или ББ. Совсем недавно это было адаптировано для работы с SGD (стохастическим градиентным спуском) https://arxiv.org/pdf/1605.04131.pdf . Метод BB работает на удивление хорошо, но как интерпретировать, как он выбирает размер каждого шага? Вывод..
Ускорение квадратичной оптимизации до 3 раз с помощью обучения с подкреплением
Методы первого порядка для решения квадратичных программ (QP) широко используются для быстрого решения нескольких задач и встроенного оптимального управления в крупномасштабном машинном обучении. Проблема в том, что эти подходы обычно требуют тысяч итераций, что делает их непригодными для приложений управления в реальном времени, которые имеют жесткие ограничения по задержке. Чтобы решить эту проблему, исследовательская группа из Калифорнийского университета, Принстонского университета..
Почему Python может упростить процесс принятия решений
Почему Python может упростить процесс принятия решений от Мохсен Моарефдоост Если вы имеете дело со сложными, крупномасштабными и многоуровневыми системами, вы можете в конечном итоге анализировать и решать несколько, даже вложенных, задач оптимизации (линейные LP-программы, MIP-смешанные целочисленные программы, QP-квадратичные программы и т. д.) в своей программе. Процесс принятия решения. Итак, вам нужно разработать аналитический алгоритм, который несколько раз вызывает задачи..
Паром Джеймстаун-Шотландия в 4 часа утра и другие стратегии оптимизации
Когда важна производительность, важно понимать ваши доступные варианты. С Новым Годом! Я думал, что начну 2018 год с истории оптимизации производительности в 2017 году. Выводы из этого блога Стратегии оптимизации шаблонов итераций Java Несколько вариантов Коллекции Eclipse и Java Stream Iteration Pattern. Рекомендации в конце Ярлык с изюминкой 2 января 2017 года я сидел со своей семьей в нашем Honda Pilot на пирсе в 3:30 утра и полчаса ждал прибытия парома..
Оптимизируйте функциональные компоненты React с помощью useCallback и useMemo
Узнайте, как использовать useCallback и useMemo to optimize performance В наших последних публикациях мы рассмотрели хуки: useState useReducer useContext Продолжая серию хуков, в этой статье мы рассмотрим ловушки useCallback и useMemo и то, как они помогают оптимизировать наши функциональные компоненты. Объединяйте и делитесь своими компонентами в облаке, повторно используйте их в приложениях, предлагайте обновления из любого приложения и создавайте быстрее в..
Оптимизация: функция потерь под капотом (часть II)
Эта серия статей призвана объяснить функции потерь нескольких широко используемых моделей контролируемого обучения и некоторые варианты алгоритмов оптимизации. В части I я подробно рассмотрел процесс оптимизации линейной регрессии с использованием градиентного спуска и наименьшей квадратичной ошибки в качестве функции потерь. В этой части я перейду к логистической регрессии. Гипотеза Помните, что гипотеза линейной регрессии такова: Назовите эту гипотезу линейной регрессии..