“genetik algoritmalar” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Gerçek Dünya Problemlerinin 'Zıplama' Özelliği Keşfedildi
Araştırmacılar, gerçek dünya optimizasyon problemlerinin şaşırtıcı bir özelliğini keşfetti: bu problemler sanki 'zıplayarak' çözüme ulaşıyor. NP-zor büyük ölçekli gerçek dünya problemlerini analiz eden bilim insanları, optimizasyon sürecinde daha önce fark edilmemiş hop-benzeri (zıplama benzeri) davranışlar gözlemledi. Bu keşif, bilgisayar bilimlerinde algoritma geliştirme süreçlerini değiştirebilecek nitelikte. Araştırma ekibi, bu özellikleri modellemek için Leading Blocks Problem (LBP) adında yeni bir yaklaşım önerdi. Bu yöntem, mevcut genetik algoritmaların zorlandığı problem türlerini daha iyi anlamamızı sağlayabilir.
Yapay Zeka Analog Devre Tasarımını Milisaniyede Çözüyor
Araştırmacılar, analog elektronik devre tasarımını otomatikleştiren yeni bir yapay zeka sistemi geliştirdi. ARCS adı verilen bu sistem, geleneksel yöntemlerin dakikalarca sürdüğü devre tasarımı işlemini milisaniyeler içinde tamamlıyor. Hibrit bir yaklaşım benimseyen sistem, graf tabanlı yapay zeka modelleri ve SPICE simülasyon yazılımını birleştirerek tam işlevsel devre tasarımları üretiyor. Test sonuçları, sistemin %99,9 oranında geçerli devreler oluşturabildiğini ve geleneksel genetik algoritmalardan 40 kat daha az hesaplama gerektirdiğini gösteriyor. Bu gelişme, elektronik tasarım süreçlerinde önemli bir hızlanma sağlayabilir ve mühendislerin daha karmaşık projelere odaklanmasına olanak tanıyabilir. Sistem özellikle analog devrelerdeki topoloji çeşitliliğini ve bileşen değerlerini optimize etmede başarılı sonuçlar veriyor.
Yapay Zeka Optimizasyonunda Hibrit Yaklaşım: Model ve Arama Yöntemlerinin Birleşimi
Araştırmacılar, simülasyon tabanlı optimizasyon problemlerinde model tabanlı ve arama tabanlı yöntemleri birleştiren yeni bir hibrit yaklaşım geliştirdi. Geleneksel olarak ayrı ayrı kullanılan bu iki yöntem - trust region yaklaşımları ile Bayesian optimizasyon gibi model tabanlı teknikler ve genetik algoritmalar ile Direct Search gibi arama tabanlı teknikler - artık bir arada çalışarak daha etkili sonuçlar üretiyor. Yeni yaklaşım, Direct Search yöntemlerini kullanarak herhangi bir model tabanlı optimizasyon algoritmasının performansını artırıyor. Özellikle makine öğrenmesi uygulamalarında sınıflandırma ve regresyon problemlerinde test edilen sistem, doğruluk, hesaplama süresi, algoritmik önyargı ve sadelik gibi farklı ölçütlerde başarılı sonuçlar veriyor.