我已经从以下电路创建了一个ML模型
作为输入,我只使用R3和R5的值,我正在改变范围:
R3:1至5
R5:10到150,以10步为单位
我的目标值是电路的效率,测量为R5消耗的功率与V1提供的功率之比
一旦我训练了模型,我就对更大范围的值进行了预测,得到了在Z轴上具有效率的曲面:
我的问题是,给定一组,例如:
X1=1
X2=3
这导致输出预测效率为50%
我如何自动化推荐更好价值的过程,例如:
X1=1
X2=1
这样可以产生57%的效率
我想做这个主题有一些限制,比如:在X1上只移动2个步骤,在X2上只移动3个步骤
Tags:
这听起来像是梯度下降之类的优化器的工作(如果您可以在PyTorch或TensorFlow等具有自动差异的框架中实现您的ML模型,则建议您这样做)
如果基于梯度的优化器不适合您的特定函数,我建议Evolutionary Algorithms。根据您问题中的描述,我建议以下选项:
所有这些算法都适用于离散搜索空间,如果它们不提供用于约束搜索空间的方便API,您可以通过包装模型来解决该问题:
让您的ML模型成为一个函数:
您可以编写包装函数
f_constrained
,如下所示:相关问题 更多 >
编程相关推荐