論文の概要: Differential evolution outside the box
- arxiv url: http://arxiv.org/abs/2004.10489v2
- Date: Mon, 17 Jan 2022 17:44:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 17:13:26.885945
- Title: Differential evolution outside the box
- Title（参考訳）: 箱の外の差分進化
- Authors: Anna V. Kononova, Fabio Caraffini and Thomas B\"ack
- Abstract要約: 本稿では、微分進化の一般的な構成が、実現可能な領域外の解を生成する頻度について検討する。
我々は、問題の探索領域の定義に適合するために、実践者が通常想定するよりもはるかに多くの解がある種の「補正」を行う必要があると結論付けている。
- 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: This paper investigates how often the popular configurations of Differential
Evolution generate solutions outside the feasible domain. Following previous
publications in the field, we argue that what the algorithm does with such
solutions and how often this has to happen is important for the overall
performance of the algorithm and interpretation of results. Based on
observations therein, we conclude that significantly more solutions than what
is usually assumed by practitioners need to undergo some sort of 'correction'
to conform with the definition of the problem's search domain. A wide range of
popular Differential Evolution configurations is considered in this study.
Conclusions are made regarding the effect the Differential Evolution components
and parameter settings have on the distribution of proportions of infeasible
solutions generated in a series of independent runs. Results shown in this
study suggest strong dependencies between proportions of generated infeasible
solutions and every aspect mentioned above. Further investigation of the
distribution of proportions of generated infeasible solutions is required.
- Abstract（参考訳）: 本稿では,微分進化の一般的な構成が実現可能な領域外の解を生成する頻度について検討する。
この分野での先行論文に続いて、このアルゴリズムがそのような解に対して行うことや、それがどれだけ頻繁に起こるかは、アルゴリズム全体のパフォーマンスと結果の解釈にとって重要であると論じている。
そこで我々は,問題領域の定義に適合するために,実践者が通常想定するよりもはるかに多くの解を,ある種の「補正」を行う必要があると結論づける。
本研究では, 広く普及している微分進化構成について考察する。
結論として, 微分進化成分とパラメータ設定が, 一連の独立実行で発生する可逆解の比率分布に与える影響について考察した。
本研究の結果は, 生成不可能解の割合と, 上記のすべての側面の強い依存性を示唆している。
生成しない解の比率の分布のさらなる調査が必要となる。
関連論文リスト
- Generalizing to any diverse distribution: uniformity, gentle finetuning and rebalancing [55.791818510796645]
我々は,訓練データから大きく逸脱した場合でも,様々なテスト分布によく適応するモデルを開発することを目的としている。
ドメイン適応、ドメイン一般化、ロバスト最適化といった様々なアプローチは、アウト・オブ・ディストリビューションの課題に対処しようと試みている。
我々は、既知のドメイン内の十分に多様なテスト分布にまたがる最悪のケースエラーを考慮することで、より保守的な視点を採用する。
論文 参考訳（メタデータ） (2024-10-08T12:26:48Z) - Learning Invariant Representations under General Interventions on the
Response [2.725698729450241]
線形構造因果モデル(SCM)に着目し、不変整合性(IMP)を導入する。
離散環境と連続環境の両方において,本手法の一般化誤差を解析する。
論文 参考訳（メタデータ） (2022-08-22T03:09:17Z) - An Invariant Matching Property for Distribution Generalization under
Intervened Response [19.786769414376323]
特定の特徴の推定値を追加の予測子として組み込むことにより、新しい不変性を示す。
本稿では,線形マッチングの明示的な特徴と,様々な介入条件下でのシミュレーション結果について述べる。
論文 参考訳（メタデータ） (2022-05-18T18:25:21Z) - Variational Disentanglement for Domain Generalization [68.85458536180437]
本稿では,変分拡散ネットワーク(VDN)という効果的なフレームワークを提供することにより,領域一般化の課題に取り組むことを提案する。
VDNは、ドメイン固有の機能とタスク固有の機能を切り離し、タスク固有のフィーチャは、見えないが関連するテストデータにより良い一般化が期待できる。
論文 参考訳（メタデータ） (2021-09-13T09:55:32Z) - Contrastive ACE: Domain Generalization Through Alignment of Causal
Mechanisms [34.99779761100095]
ドメインの一般化は、異なる分布にまたがる知識不変性を学ぶことを目的としている。
ラベルに対する特徴の因果効果の平均的因果効果の因果不変性を考察する。
論文 参考訳（メタデータ） (2021-06-02T04:01:22Z) - Diversity in Kemeny Rank Aggregation: A Parameterized Approach [3.6603644500568806]
ソリューション多様性と呼ばれる最近の人工知能のトレンドは、最適性の概念の発展に焦点を当てている。
本研究では,この組み合わせがケメニー・ランク・アグリゲーションの分野に与える影響について検討する。
我々の主な成果は、線形に順序付けられた投票よりも伝統的な集計の設定を考えるときと、部分的に投票が順序付けられたより一般的な場合の両方に当てはまる。
論文 参考訳（メタデータ） (2021-05-19T21:50:03Z) - Emergence of Structural Bias in Differential Evolution [0.0]
ヒューリスティック最適化アルゴリズムは、複雑な最適化問題の圧倒的に多いため、高い需要がある。
多くのアルゴリズムは、探索空間の特定の領域に惹かれるか、探索空間の領域を一貫して避けることによって構造バイアスを示す。
我々は、分化進化(DE)構成のためのそのような構造バイアスの出現、具体的には、異なる突然変異、交叉および修正戦略の効果を分析する。
論文 参考訳（メタデータ） (2021-05-10T22:22:27Z) - Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。
堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。
異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文 参考訳（メタデータ） (2020-07-21T08:18:06Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳（メタデータ） (2020-02-17T19:23:36Z) - Learning Overlapping Representations for the Estimation of
Individualized Treatment Effects [97.42686600929211]
観測データから代替案の可能性を推定することは難しい問題である。
入力のドメイン不変表現を学習するアルゴリズムは、しばしば不適切であることを示す。
我々は,様々なベンチマークデータセットの最先端性を大幅に向上させる,ディープカーネル回帰アルゴリズムと後続正規化フレームワークを開発した。
論文 参考訳（メタデータ） (2020-01-14T12:56:29Z) - Domain Adaptation: Learning Bounds and Algorithms [80.85426994513541]
本稿では,任意の損失関数を持つ適応問題に適した分布距離,差分距離を新たに導入する。
広い損失関数族に対する領域適応のための新しい一般化境界を導出する。
また、正規化に基づくアルゴリズムの大規模クラスに対する新しい適応境界も提示する。
論文 参考訳（メタデータ） (2009-02-19T18:42:16Z)
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。