神经方法从含噪样本迭代精化求全局最优

Qusay Muzaffar、David Levin 和 Michael Werman 发表论文，提出一种神经全局优化方法：以噪声函数样本及其样条拟合表示为输入，通过迭代细化初始猜测逼近全局最小值，无需导数信息或多次重启。 在多模态测试函数上，该方法平均误差为 8.05%，相比样条初始化的 36.24% 提升 28.18%，72% 的测试案例误差低于 10%。这些数字来自作者自己的实验结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。