文件名称：Parameter-Optimisation-Using-ML
文件大小：77KB
文件格式：ZIP
更新时间：2024-04-28 22:35:18
Python
使用ML进行参数优化 该存储库引入了一种混合方法，可以使用各种优化算法来优化模型参数以适合测试数据。 工作流程 标准化测试数据 使用优化程序生成更新的模型参数 使用更新的参数修改输入文件 调用模拟程序并输出预测结果 通过比较预测结果和测试数据评估适应性 重复步骤2-5 当适应度值最小时，输出最终参数。 在该项目中，模拟程序为Gpyro，选择的优化器包括DEAP支持的GA和Scipy支持的Gradient Descent Algorithms。 例子 优化热动力学以适应TGA测试数据
【文件预览】：
Parameter-Optimisation-Using-ML-master
----run_fds.py(744B)
----data_processor.py(3KB)
----test_cost_function.py(0B)
----images()
--------GA.png(72KB)
----cost_function.py(335B)
----tests.py(623B)
----README.md(810B)
----Optimiser()
--------ga_optimiser.py(1KB)
--------fmin_optimiser.py(593B)
--------base_optimiser_gpyro.py(2KB)