Conozco al menos una empresa que utiliza bosques de decisión aleatorios junto con la búsqueda genética de enrutamiento en SoC. El procedimiento de búsqueda genética (o realmente cualquier búsqueda heurística / basada en muestreo) es necesario ya que el espacio de búsqueda es discontinuo e involucra una combinación de variables discretas y continuas; mientras que los bosques aleatorios probablemente han sido entrenados en rutas reales o simuladas, por lo que pueden calificar una ruta hipotetizada por la búsqueda heurística como una ruta buena o mala.
En parte relevante, recientemente trabajamos un poco en la exploración automática del espacio de diseño en espacios conjuntos de parámetros algorítmicos, de compilación y de hardware para una aplicación particular: explotar el aprendizaje activo.
http://www.zeeshanzia.com/pdf_fi…
- ¿Qué crees que pasaría si una IA inteligente fuera creada para ser la cuidadora de toda la raza humana?
- Visión por computadora: ¿Qué artículo trata sobre el problema del desorden en los videos para el reconocimiento de la acción humana?
- ¿AI & RPA marcarán el comienzo del próximo boom económico y crearán la próxima ola de multimillonarios?
- ¿Cuál puede ser el papel de la IA en las operaciones de seguridad?
- ¿Qué sucederá desde un punto de vista científico si dejamos que la IA altere el genoma humano?
Creo que enfoques similares deberían ser fácilmente aplicables a EDA también. De hecho, recuerdo toneladas de investigación de autoajuste / computación autónoma realizada por investigadores de IBM hace dos décadas. Esos enfoques pueden beneficiarse bastante de los avances en ML.
