A-HBRKGA: Algoritmo genético híbrido adaptativo para otimização de hiperparâmetros

Vol 55, 2023 - 160324
Trabalho completo (oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A popularidade do aprendizado de máquina (AM) aumentou a demanda por modelos eficientes do ponto de vista preditivo. Um dos fatores que influenciam nessa eficiência é a combinação adequada de valores para os hiperparâmetros do algoritmo de AM. Contudo, a seleção manual de hiperparâmetros é trabalhosa e requer experiência. O AutoML busca resolver esse desafio encontrando automaticamente os melhores hiperparâmetros para algoritmos de AM através de sua área de pesquisa chamada otimização de hiperparâmetros (HPO). O Hybrid Biased Random-Key Genetic Algorithm (HBRKGA) tem sido usado para encontrar hiperparâmetros com eficiência, mas o uso de apenas uma função substituta limita seu potencial. Esta pesquisa apresenta uma nova abordagem chamada Adaptive HBRKGA (A-HBRKGA), permitindo que o HBRKGA tenha múltiplas funções substitutas com base em avaliações anteriores, aumentando a probabilidade de encontrar a melhor solução. Nos experimentos realizados, o método proposto superou outros métodos clássicos em conjuntos de dados disponíveis publicamente.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Centro Federal de Educação Tecnológica Celso Suchow da Fonseca
  • 2 kumamoto University
  • 3 Universidade Federal do Rio de Janeiro
Eixo Temático
  • 11. IC – Inteligência Computacional
Palavras-chave
Otimização de hiperparâmetros; algoritmos genéticos; Metaheurísticas