项目名称: 个性化特征大数据支持下的交互式进化计算及其应用

项目编号: No.61673196

项目类型: 面上项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 郝国生

作者单位: 江苏师范大学

项目金额: 16万元

中文摘要: 根据专家意见与资助年限和经费,本项目旨在通过从个性化特征大数据中迁移与待优化问题特征相似的数据和主动获取关键数据,提高交互式进化计算性能;为进一步研究其他如下内容奠定基础:基于群体智慧的优化理论与方法,并应用于教育个性化寻优问题,帮助学习者提高学习效率。为此,在个性化特征大数据支持下,本项目在一年时间内集中研究集成迁移学习与主动学习的交互式进化计算;为后续的两个内容作理论与实验环境的铺垫:(1)基于用户群体智慧的交互式进化计算基础理论与方法;(2)在教育个性化的教学资源组合优化中的应用。主要解决一个关键科学问题:大数据环境下个性化特征的提取、表示和利用。不同于传统的通过调节算法参数或增强进化算子改进算法性能的方法,本项目借助独立于算法本身之外的大数据与机器学习方法展开研究。本项目的实施对于推动进化优化理论与技术具有重要意义。

中文关键词: 大数据;个性化特征;交互式进化计算;迁移学习;占优关系场

英文摘要: According to the suggestion from experts and the limited year and amount of the fund, this proposal aims at improving the performance of interactive evolutionary computation by transferring solutions that have similar features as the current user from ind

英文关键词: big data;individualization feature;Interactive evolutionary computation;transfer learning;domination landscape

成为VIP会员查看完整内容
1

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
个性化学习推荐研究综述
专知会员服务
57+阅读 · 2022年2月2日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
30+阅读 · 2021年6月18日
专知会员服务
22+阅读 · 2021年4月21日
专知会员服务
54+阅读 · 2021年4月20日
专知会员服务
38+阅读 · 2021年3月3日
专知会员服务
78+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
工业人工智能的关键技术及其在预测性维护中的应用现状
【CIKM2020】学习个性化网络搜索会话
专知会员服务
14+阅读 · 2020年9月20日
CoSENT:特征式匹配与交互式匹配有多大差距?
PaperWeekly
1+阅读 · 2022年2月7日
Python的十大特性
AI前线
0+阅读 · 2021年12月24日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
支持个性化学习的行为大数据可视化研究
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
13+阅读 · 2022年1月20日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
135+阅读 · 2018年10月8日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
57+阅读 · 2022年2月2日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
30+阅读 · 2021年6月18日
专知会员服务
22+阅读 · 2021年4月21日
专知会员服务
54+阅读 · 2021年4月20日
专知会员服务
38+阅读 · 2021年3月3日
专知会员服务
78+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
工业人工智能的关键技术及其在预测性维护中的应用现状
【CIKM2020】学习个性化网络搜索会话
专知会员服务
14+阅读 · 2020年9月20日
相关资讯
CoSENT:特征式匹配与交互式匹配有多大差距?
PaperWeekly
1+阅读 · 2022年2月7日
Python的十大特性
AI前线
0+阅读 · 2021年12月24日
面向大数据处理框架的JVM优化技术综述
专知
0+阅读 · 2021年11月27日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
支持个性化学习的行为大数据可视化研究
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员