Введение в эволюционные алгоритмы

Краткое содержание: Приглашаем вас на увлекательную сессию, посвященную захватывающему миру эволюционных алгоритмов — краеугольному камню биоинспирированных вычислений. В этом вводном докладе мы углубимся в основы эволюционных алгоритмов, расскажем о том, как эти алгоритмы имитируют процессы естественного отбора для решения сложных задач оптимизации. Мы также рассмотрим фреймворк DEAP (Distributed Evolutionary Algorithms in Python) — доступную и универсальную библиотеку, которая позволяет исследователям и энтузиастам с легкостью реализовывать эволюционные алгоритмы. Эволюционные алгоритмы вдохновлены эволюционными процессами в природе. Они используют механизмы, подобные биологической эволюции, такие как размножение, мутация, рекомбинация и отбор, для разработки решений проблем. Имитируя процесс естественного отбора, эти алгоритмы итеративно улучшают предлагаемые решения относительно определенной меры качества или приспособленности. Цель этого доклада — развеять мифы об этих алгоритмах, сделать их доступными для новичков в этой области и заложить основу для дальнейших исследований и инноваций. Что вас ждет: Понимание основ — освоение основных принципов эволюционных алгоритмов, включая отбор, мутацию, кроссовер и выживание наиболее приспособленных. Практический опыт — непосредственное ознакомление с настройкой простого эволюционного алгоритма с использованием фреймворка DEAP, что позволит вам начать собственные биоинспирированные вычислительные проекты. Докладчик: Зак Вэнь Код, использованный в этом видео, можно скачать с GitHub: 240406_Introduction to Evolutionary Algorithms - AI Interest Group.pdf; 240406_knapsack.ipynb; 240406_onemax_numpy.ipynb; 240406_PSO.ipynb https://github.com/DreamJarsAI/Apply-... Хэштеги: #искусственныйинтеллект #машинноеобучение #глубокоеобучение #python #программированиенаpython #учебникпоpython #учебникпоito #кодирование #нейронныесети #нейроннаясеть #pytorch #компьютерноезрение #nlp #обработкаестественногоязыка #scikitlearn