論文の概要: Recent Trends in the Use of Statistical Tests for Comparing Swarm and Evolutionary Computing Algorithms: Practical Guidelines and a Critical Review

• arxiv url: http://arxiv.org/abs/2002.09227v1
• Date: Fri, 21 Feb 2020 11:06:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 01:29:06.983406
• Title: Recent Trends in the Use of Statistical Tests for Comparing Swarm and Evolutionary Computing Algorithms: Practical Guidelines and a Critical Review
• Title（参考訳）: スワムと進化型計算アルゴリズムの比較における統計検査の最近の動向:実践的ガイドラインと批判的レビュー
• Authors: J. Carrasco, S. Garc\'ia, M.M. Rueda, S. Das and F. Herrera
• Abstract要約: 本稿では,計算知能のアルゴリズム比較のための統計分析の提案の現在の動向について調査する。 それぞれのテストの使用の主な利点と欠点を説明し、それらの使用に関する推奨事項を提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A key aspect of the design of evolutionary and swarm intelligence algorithms is studying their performance. Statistical comparisons are also a crucial part which allows for reliable conclusions to be drawn. In the present paper we gather and examine the approaches taken from different perspectives to summarise the assumptions made by these statistical tests, the conclusions reached and the steps followed to perform them correctly. In this paper, we conduct a survey on the current trends of the proposals of statistical analyses for the comparison of algorithms of computational intelligence and include a description of the statistical background of these tests. We illustrate the use of the most common tests in the context of the Competition on single-objective real parameter optimisation of the IEEE Congress on Evolutionary Computation (CEC) 2017 and describe the main advantages and drawbacks of the use of each kind of test and put forward some recommendations concerning their use.
• Abstract（参考訳）: 進化的および群知能アルゴリズムの設計の重要な側面は、その性能の研究である。 統計的比較もまた、信頼できる結論を導き出す上で重要な部分である。 本稿では,これらの統計的テストによる仮定を要約するために異なる視点から取られたアプローチを収集・検討し,結論に達し,それに続くステップを正しく実施する。 本稿では,計算知能のアルゴリズムの比較のための統計的分析の提案の現在の動向について調査し,これらのテストの統計的背景について記述する。 我々は、ieee congress on evolutionary computation (cec) 2017の1目的実パラメータ最適化に関するコンペティションにおいて、最も一般的なテストの使用を説明し、各種類のテストの使用の主な利点と欠点を説明し、それらの使用に関するいくつかの推奨事項を提示する。

関連論文リスト

• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [61.580419063416734]
  最近の構造化学習手法のストリームは、様々な最適化問題に対する技術の実践的状態を改善している。 鍵となる考え方は、インスタンスを別々に扱うのではなく、インスタンス上の統計分布を利用することだ。 本稿では,最適化を容易にし,一般化誤差を改善するポリシを摂動することでリスクを円滑にする手法について検討する。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Globally-Optimal Greedy Experiment Selection for Active Sequential Estimation [1.1530723302736279]
  逐次的に収集したデータの実験を適応的に選択するアクティブシーケンシャル推定の問題について検討する。 目標は、より正確なモデル推定のための実験選択ルールを設計することである。 そこで本稿では,グリーディ実験の選択手法のクラスを提案し,最大可能性の統計的解析を行う。
  論文  参考訳（メタデータ） (2024-02-13T17:09:29Z)
• Measuring Software Testability via Automatically Generated Test Cases [8.17364116624769]
  ソフトウェアメトリクスに基づいたテスト容易性測定のための新しい手法を提案する。 提案手法は, 自動検査生成と突然変異解析を利用して, 有効な検査症例の相対的硬度に関する証拠を定量化する。
  論文  参考訳（メタデータ） (2023-07-30T09:48:51Z)
• Improved Policy Evaluation for Randomized Trials of Algorithmic Resource Allocation [54.72195809248172]
  提案する新しい概念を応用した新しい推定器を提案する。 我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
  論文  参考訳（メタデータ） (2023-02-06T05:17:22Z)
• SELECTOR: Selecting a Representative Benchmark Suite for Reproducible Statistical Comparison [0.7046417074932257]
  最適化アルゴリズムの比較に係わるべき多様な問題事例を選択するための3つのアプローチを評価する。 最初のアプローチでは、クラスタリングを使用して、問題インスタンスの類似したグループを特定し、その後、各クラスタからサンプリングして、新しいベンチマークを構築する。 他の2つのアプローチは、支配的および最大独立なノード群を特定するためにグラフアルゴリズムを使用する。
  論文  参考訳（メタデータ） (2022-04-25T09:38:43Z)
• Differential privacy and robust statistics in high dimensions [49.50869296871643]
  高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。 本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
  論文  参考訳（メタデータ） (2021-11-12T06:36:40Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)
• More Powerful Conditional Selective Inference for Generalized Lasso by Parametric Programming [20.309302270008146]
  条件付き選択的推論(si)は、データ駆動仮説の新しい統計推論フレームワークとして研究されてきた。 二次パラメトリックプログラミングに変換可能な問題のクラスに対して,より強力で一般的な条件付きSI法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T10:12:00Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
  この記事では、このトピックの最先端に関する総合的な研究について紹介する。 さまざまなテクニックの制限、メリット、コネクション、差異を強調します。 また、不適切な事前利用の問題や解決法についても述べる。
  論文  参考訳（メタデータ） (2020-05-17T18:31:58Z)

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。