错误预测学习

使用错误预测级别的黑盒学习算法

这是一个非常简单的黑盒学习算法，它使用高阶错误预测来提高搜索找到局部最小值的速度和精度。

参见有关 错误预测学习 的论文

错误预测级别

在错误预测学习中，额外的项被添加到错误函数中，使得搜索算法必须学会预测错误，预测错误的错误，等等。这些信息以非线性方式用于适应搜索行为，这反过来又影响错误预测等。

由于精度高，该算法适用于少量变量的数值函数逼近。

重置间隔

在黑盒学习中，对函数没有假设。这使得难以使用如牛顿法之类的特定领域优化。学习算法需要通过其他方式建立动力。

出人意料的是，不时忘记动力并重新建立动力可能会改善搜索。这是因为在一个局部点重新学习动力相对便宜。学习算法可以利用局部特定知识，从忘记动力的损失中获得收益。