Fugu-MT 論文翻訳(概要): On the Baldwin Effect under Coevolution

論文の概要: On the Baldwin Effect under Coevolution

arxiv url: http://arxiv.org/abs/2004.14827v2
Date: Tue, 26 May 2020 07:14:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 13:17:12.315473
Title: On the Baldwin Effect under Coevolution
Title（参考訳）: 共進化下におけるボールドウィン効果について
Authors: Larry Bull
Abstract要約: 本稿では,共進化シナリオにおける学習と進化の相互作用について考察する。 NKCSモデルを用いて、学習の量と進化の相対速度がどのように行動を変えるかを示す。
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: The potentially beneficial interaction between learning and evolution, the Baldwin effect, has long been established. This paper considers their interaction within a coevolutionary scenario, ie, where the adaptations of one species typically affects the fitness of others. Using the NKCS model, which allows the systematic exploration of the effects of fitness landscape size, ruggedness, and degree of coupling, it is shown how the amount of learning and the relative rate of evolution can alter behaviour.
Abstract（参考訳）: 学習と進化の間の潜在的に有益な相互作用であるボールドウィン効果は長い間確立されてきた。本稿では,共進化シナリオ,すなわち,ある種の適応が他の種の適合性に影響を与える場合の相互作用について考察する。 nkcsモデルを用いて, 適応的景観サイズ, 頑丈さ, 結合度の影響を体系的に探究し, 学習量と相対的進化速度が行動にどのような影響を及ぼすかを示す。

関連論文リスト

Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文参考訳（メタデータ） (2024-05-29T02:35:23Z)
DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文参考訳（メタデータ） (2023-12-08T16:51:10Z)
Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文参考訳（メタデータ） (2023-10-13T11:58:18Z)
Learning and evolution: factors influencing an effective combination [0.0]
進化と学習の相互関係は、人工知能と神経進化のコミュニティの間で議論の的になっている。著者らは、学習と進化を組み合わせることで、進化だけで発見されたものよりも優れた解を見つけることができるかどうかを調査する。
論文参考訳（メタデータ） (2023-06-20T09:03:52Z)
CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
論文参考訳（メタデータ） (2022-12-20T18:31:50Z)
Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文参考訳（メタデータ） (2021-04-12T12:45:16Z)
Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。また、進化は速く学習する形態を素早く選択することを示した。我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文参考訳（メタデータ） (2021-02-03T18:58:31Z)
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)
Are Artificial Dendrites useful in NeuroEvolution? [0.0]
この手紙は、単純なデンドライトにインスパイアされたメカニズムを神経進化に組み込む効果を探求している。接続上の別々のデンドライト活性化しきい値の現象は、進化過程の下で現れる。
論文参考訳（メタデータ） (2020-10-02T10:53:46Z)

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。