論文の概要: A Study of Fitness Landscapes for Neuroevolution
- arxiv url: http://arxiv.org/abs/2001.11272v1
- Date: Thu, 30 Jan 2020 11:53:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 11:37:23.136059
- Title: A Study of Fitness Landscapes for Neuroevolution
- Title（参考訳）: 神経進化のためのフィットネスランドスケープに関する研究
- Authors: Nuno M. Rodrigues, Sara Silva, Leonardo Vanneschi
- Abstract要約: フィットネスランドスケープを使ってメタヒューリスティックスのダイナミクスを研究します。
また,本手法の予測能力に関する有用な情報を推測するためにも利用した。
その結果、これらの測定値は、考慮された神経進化構成の最適化能力と一般化能力の両方を推定するのに適していることが示された。
- 参考スコア（独自算出の注目度）: 4.930887920982693
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fitness landscapes are a useful concept to study the dynamics of
meta-heuristics. In the last two decades, they have been applied with success
to estimate the optimization power of several types of evolutionary algorithms,
including genetic algorithms and genetic programming. However, so far they have
never been used to study the performance of machine learning algorithms on
unseen data, and they have never been applied to neuroevolution. This paper
aims at filling both these gaps, applying for the first time fitness landscapes
to neuroevolution and using them to infer useful information about the
predictive ability of the method. More specifically, we use a grammar-based
approach to generate convolutional neural networks, and we study the dynamics
of three different mutations to evolve them. To characterize fitness
landscapes, we study autocorrelation and entropic measure of ruggedness. The
results show that these measures are appropriate for estimating both the
optimization power and the generalization ability of the considered
neuroevolution configurations.
- Abstract（参考訳）: フィットネスランドスケープはメタヒューリスティックスのダイナミクスを研究する上で有用な概念である。
過去20年間で、遺伝的アルゴリズムや遺伝的プログラミングなど、いくつかの種類の進化的アルゴリズムの最適化能力の推定に成功している。
しかし、これまでのところ、未知のデータに対する機械学習アルゴリズムのパフォーマンスの研究には使用されておらず、神経進化には適用されていない。
本研究の目的は,これらのギャップを埋めること,神経進化に初めてフィットネスランドスケープを適用し,その手法の予測能力に関する有用な情報を推測することである。
より具体的には、畳み込みニューラルネットワークを生成するために文法に基づくアプローチを用い、3つの異なる突然変異のダイナミクスを研究して進化させる。
フィットネスの景観を特徴付けるため,頑丈さの自己相関とエントロピー尺度について検討した。
以上の結果から,これらの指標は神経進化的構成の最適化能力と一般化能力の両方を推定するのに適していることが示唆された。
関連論文リスト
- Neural timescales from a computational perspective [5.390514665166601]
神経活動の時間スケールは、脳領域内および脳領域で多様であり、実験的観察により、神経活動の時間スケールが動的環境の情報反映を示唆している。
ここでは、相補的な視点を採り、計算手法が幅広い経験的観察を定量的かつ検証可能な理論に抽出できる3つの方向を合成する。
論文 参考訳（メタデータ） (2024-09-04T13:16:20Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - Evolutionary Multi-objective Optimisation in Neurotrajectory Prediction [0.0]
この研究は、車両軌道予測のための神経進化の進歩的な一歩を踏み出す。
この目的のために、CNNとLong-Short Term Memory NetworkからなるリッチなANNが採用されている。
EMOアルゴリズム、NSGA-II、MOEA/Dも採用されている。
論文 参考訳（メタデータ） (2023-08-04T21:06:26Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - Initial Steps Towards Tackling High-dimensional Surrogate Modeling for
Neuroevolution Using Kriging Partial Least Squares [0.0]
サロゲート支援進化アルゴリズム(SAEA)は、進化計算システムにおける適合関数の近似を目的とし、効率的な計算モデルを使用することを目的としている。
SAEAsコミュニティからほとんど注目を集めていない、創発的でエキサイティングな領域は、神経進化にある。
近似代理モデルの効率的な計算を可能にするKriging partial Least Squares法をどう利用できるかを示す。
論文 参考訳（メタデータ） (2023-05-05T15:17:03Z) - Neuroevolutionary Multi-objective approaches to Trajectory Prediction in
Autonomous Vehicles [2.9552300389898094]
我々は、神経進化と進化的多目的最適化の共通点に焦点を当てる。
本稿では,CNNとLong-Short Term Memoryネットワークからなる畳み込みニューラルネットワークについて検討する。
これらの目的が、自律走行車における軌道予測のための神経進化において、肯定的または有害な効果を持つかを示す。
論文 参考訳（メタデータ） (2022-05-04T15:03:26Z) - Applications of Gaussian Mutation for Self Adaptation in Evolutionary
Genetic Algorithms [0.0]
1960年、ジョン・H・ホランドとその学生によって最初の遺伝的アルゴリズムが開発された。
本稿では,ガウス突然変異を応用した遺伝的アルゴリズムの数学的直観について検討する。
論文 参考訳（メタデータ） (2022-01-02T04:18:25Z) - Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。
2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。
提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文 参考訳（メタデータ） (2021-12-23T12:17:47Z) - Dynamic Neural Diversification: Path to Computationally Sustainable
Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。
学習過程において隠れた層内のニューロンの多様性を探索する。
ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2021-09-20T15:12:16Z) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。