热点事件持续更新
iSOMA-AR：自适应旋转在变分量子目标上的几何、基准与噪声鲁棒性
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文提出 iSOMA-AR，通过从成功迁移位移中学习基向量并选择性应用扰动掩码，减少 iSOMA 的坐标依赖性。在无噪声 BBOB 基准上，iSOMA-AR 显著优于基线 iSOMA，在几何困难景观上增益最大；在 CEC 2011 真实世界优化问题上超越 iL-SHADE，但在变分量子目标上的优势不显著。自适应旋转对坐标敏感的确定性问题最有效，噪声鲁棒性主要来自底层 SOMA 迁移机制。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
论文提出 iSOMA-AR，在 BBOB 无噪声基准与 CEC 2011 问题表现优于基线，但变分量子目标上优势不显著。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Neural and Evolutionary ComputingiSOMA 自适应旋转改进：几何基准与噪声鲁棒性研究
论文提出 iSOMA-AR，通过从成功迁移位移中学习基向量并选择性应用扰动掩码，减少 iSOMA 的坐标依赖性。在无噪声 BBOB 基准上，iSOMA-AR 显著优于基线 iSOMA，在几何困难景观上增益最大；在 CEC 2011 真实世界优化问题上超越 iL-SHADE，但在变分量子目标上的优势不显著。自适应旋转对坐标敏感的确定性问题最有效，噪声鲁棒性主要来自底层 SOMA 迁移机制。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。