معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

GSK algorithm for efficient hyperparameter optimization

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	GSKhopt-0.0.6
نام	GSKhopt
نسخه کتابخانه	0.0.6
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Hazem Nomer
ایمیل نویسنده	h.nomer@nu.edu.eg
آدرس صفحه اصلی	https://github.com/ha2emnomer/GSKHpot/
آدرس اینترنتی	https://pypi.org/project/GSKhopt/
مجوز	-

This an implementation of Gaining-sharing knowledge algorithm (GSK) in python. [GSK](https://link.springer.com/article/10.1007/s13042-019-01053-x) is a nature inspired algorithm for solving real parameter optimization problems. GSK has two main stages the junior and senior phases each has a different mutation, the dimensions (or parameters) are changed by the mutations of both the junior and senior phases at the same time. GSK is a reliable and stable optimization algorithm. The repository also includes a visualization module for visualizing GSK runs. The code have been tested on CEC 2017 benchmark functions. Two version of GSK the BasicGSK and BasicGSKLSPR (with linear propulation reduction). ## Usage just type ``` $ python run.py ``` ## ❤️  How to use GSK as a solver ```js solver = BasicGSKLPSR(k=10,kf=0.5,kr=0.9,p=0.1) best , best_fit = solver.run(obj_func, dim, 100, [-100]*dim, [100]*dim) ``` you can also use the get_statstics functions and Viz after the run ```python vis = Viz(cec17_test_func,-100,100,dim,1) best_hist,pop_hist = solver.getstatistics() best_hist = np.array(best_hist) best_hist = np.vstack((best_hist)) best_hist = best_hist.reshape((best_hist.shape[0],dim)) vis.set(dim,func+1,best_hist,pop_hist) vis.build_plot() ``` There is also an [example](https://github.com/ha2emnomer/GSKPy/blob/master/linear_reg.py) on using GSK for linear regression using scikit-learn ## 📫  We would love to hear from you If you have any comments or questions just email h.nomer@nu.edu.eg We intend to realse a pip package soon with more examples. More work is done to GSK as a solver for different optimization problems. ## ✅  Requirements **python 2.7 or higher **matplotlib (for visualization) **CSVDataFrame (or any other package for saving results)

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl GSKhopt-0.0.6:

pip install GSKhopt-0.0.6.whl

نصب پکیج tar.gz GSKhopt-0.0.6:

pip install GSKhopt-0.0.6.tar.gz