系列文章
[Day 11]基於進化(evolutionary-based)的啟發式演算法是甚麼？
前言 昨天介紹了一些基於粒子的演算法，他們都是將生物群體比喻為粒子並根據不同的行為得到啟發而開發出這些演算法。今天要介紹的是基於進化策略的演算法，隨著地球這幾千...
[Day 12]基於人類行為(human_based)的啟發式演算法是甚麼？
前言 前兩天分別介紹了以粒子為基礎跟以進化為基礎的幾個演算法，今天要介紹的演算法比較困難也比較新穎，同時也很冷門，是以人類行為為基礎的演算法。目前我在網路上搜尋...
[Day 13]基於生物學(biology-based)的啟發式演算法是甚麼？
前言 昨天介紹了基於人類行為的最佳化演算法，這些演算法基本上都是模擬人類社會中有的群體行為，無論是對抗疫情(CHIO)或是團隊合作(TOA)都一樣。今天要來介紹...
[Day 14]無痛入門！淺談Optuna最佳化
前言 今天終於要來進入程式實作的部分了，今天要介紹的函式庫在前幾天也有介紹過，Optuna是一個相當有名的套件，今天就來看看它可以幹嘛吧。 基本範例 Optun...
[Day 15]由淺入深！介紹更多Optuna的API(1/2)
前言 真糟糕，昨天把基礎的Optuna相關功能都介紹完了，昨天本來想真的「淺談」這個套件的，介紹完那天就可以比較輕鬆XD。今天本來想說把基礎功能補齊，然後介紹視...
[Day 17]打鐵趁熱！來試著使用Optuna解決問題吧
前言 前三天花了許多時間來向各位介紹Optuna的一些基本功能還有進階的實作，希望各位都有確實學會，如果還不清楚那三天在幹嘛的話歡迎來複習我在D14、D15、D...
[Day 16]由淺入深！介紹更多Optuna的API (2/2)
前言 昨天和前天分別介紹了Optuna的基礎功能、程式開發步驟以及一些進階的功能，例如多目標最佳化、最佳化試驗視覺化。在進入實作之前我想再最後分享一下幾個技巧，...
[Day 18]Optuna的背後演算法，TPE介紹
前言 昨天帶各位使用了Optuna進行機器學習的最佳化，算是先讓各位見識一下Optuna在機器學習模型參數調整上的結果。不過再進入其他模型最佳化的應用時我想先跳...
[Day 19]Optuna的更多應用，最佳化MLP與CNN網路
前言 昨天向各位介紹了TPE的背後原理，希望各位有更理解TPE運作的方式以及期望的目標，今天又要來繼續帶各位實作最佳化的一些應用了。今天要來最最佳化的模型為多層...
[Day 20]Optuna的更多應用，最佳化生成對抗網路(GAN)(1/2)
前言 昨天介紹了MLP與CNN的最佳化，不過在去年我介紹生成式AI的時候曾經許願要來針對GAN進行最佳化，今天就要來完成去年的夢想，來實現GAN網路了。 最佳化...