論文の概要: It is Time for New Perspectives on How to Fight Bloat in GP
- arxiv url: http://arxiv.org/abs/2005.00603v1
- Date: Fri, 1 May 2020 20:59:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 22:42:31.039940
- Title: It is Time for New Perspectives on How to Fight Bloat in GP
- Title(参考訳): gpの膨れあがりと闘うための新しい視点の時だ
- Authors: Francisco Fern\'andez de Vega, Gustavo Olague, Francisco Ch\'avez,
Daniel Lanza, Wolfgang Banzhaf, and Erik Goodman
- Abstract要約: 本稿では,評価時間が並列分散システムにおける解法時間にどのように影響するかを考察するとともに,個体群の大きさ変化にも影響する可能性がある。
個人の複雑さの尺度として計算時間を使用することで、遺伝的プログラミングの個人の大きさを制御できる。
- 参考スコア(独自算出の注目度): 3.3799988213313443
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The present and future of evolutionary algorithms depends on the proper use
of modern parallel and distributed computing infrastructures. Although still
sequential approaches dominate the landscape, available multi-core, many-core
and distributed systems will make users and researchers to more frequently
deploy parallel version of the algorithms. In such a scenario, new
possibilities arise regarding the time saved when parallel evaluation of
individuals are performed. And this time saving is particularly relevant in
Genetic Programming. This paper studies how evaluation time influences not only
time to solution in parallel/distributed systems, but may also affect size
evolution of individuals in the population, and eventually will reduce the
bloat phenomenon GP features. This paper considers time and space as two sides
of a single coin when devising a more natural method for fighting bloat. This
new perspective allows us to understand that new methods for bloat control can
be derived, and the first of such a method is described and tested.
Experimental data confirms the strength of the approach: using computing time
as a measure of individuals' complexity allows to control the growth in size of
genetic programming individuals.
- Abstract(参考訳): 進化的アルゴリズムの現在と未来は、現代の並列分散コンピューティングインフラの適切な利用に依存している。
シーケンシャルなアプローチがランドスケープを支配しているが、利用可能なマルチコア、マルチコア、分散システムによって、ユーザと研究者は、アルゴリズムの並列バージョンをより頻繁にデプロイすることができる。
このようなシナリオでは、個人の並列評価を行う際に節約される時間に関して新たな可能性が生じる。
そして、今回の貯蓄は特に遺伝的プログラミングに関係している。
本研究は, 並列分散システムにおける解法時間だけでなく, 個体群の大きさ変化にも影響し, 最終的に肥大現象のGP特性を減少させる可能性について検討する。
本稿では,より自然に戦う方法を考え出す際に,時間と空間を1枚の硬貨の2つの側面として捉える。
この新たな視点により,新しいブロア制御法が導出可能であることを理解し,その方法の第一に説明とテストを行うことができる。
個人の複雑さの尺度として計算時間を使用することで、遺伝的プログラミングの個人の大きさの増大を制御することができる。
関連論文リスト
- Deep Ensembles Meets Quantile Regression: Uncertainty-aware Imputation
for Time Series [49.992908221544624]
時系列データは、しばしば多くの欠落した値を示し、これは時系列計算タスクである。
従来の深層学習法は時系列計算に有効であることが示されている。
本研究では,不確実性のある高精度な計算を行う非生成時系列計算法を提案する。
論文 参考訳(メタデータ) (2023-12-03T05:52:30Z) - Long-Term Fairness with Unknown Dynamics [16.683582656377396]
オンライン強化学習の文脈における長期的公正性を定式化する。
アルゴリズムは短期インセンティブを犠牲にして未知のダイナミクスに適応できることを示す。
論文 参考訳(メタデータ) (2023-04-19T01:13:37Z) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳(メタデータ) (2023-03-17T02:01:11Z) - Doubly Inhomogeneous Reinforcement Learning [4.334006170547247]
我々は、ポリシー学習のために、時間とともに個人間で類似したダイナミクスを表示する「最良のデータチャンクを決定するためのオリジナルアルゴリズム」を提案する。
提案手法は汎用的であり,クラスタリングおよび変更点検出アルゴリズムの幅広い範囲で動作する。
論文 参考訳(メタデータ) (2022-11-08T03:41:14Z) - Automatic Generation of Individual Fuzzy Cognitive Maps from
Longitudinal Data [0.0]
ファジィ認知マップ(英: Fuzzy Cognitive Maps、FCM)は、個々の相互作用に対して、因子(ノード)がどのように変化するかを表す計算モデルである。
本稿では、遺伝的アルゴリズムを用いて各エージェントに1つのFCMを作成することにより、不均一な振る舞いを持つ仮想集団を自動生成する手段を提供する。
論文 参考訳(メタデータ) (2022-02-14T22:11:58Z) - Pre-Clustering Point Clouds of Crop Fields Using Scalable Methods [14.06711982797654]
この問題に対する現在の最先端技術と、一般的な密度に基づくクラスタリングアルゴリズムであるQuickshiftの類似性を示す。
汎用的でスケーラブルなプラントセグメンテーションアルゴリズムを作成することを目的とした,新しいアプリケーション固有アルゴリズムを提案する。
フィールドスケールの表現型システムに組み込む場合、提案アルゴリズムは、結果の精度を大幅に向上させる代替品として機能する。
論文 参考訳(メタデータ) (2021-07-22T22:47:22Z) - Phase Retrieval using Expectation Consistent Signal Recovery Algorithm
based on Hypernetwork [73.94896986868146]
位相検索は現代の計算イメージングシステムにおいて重要な要素である。
近年のディープラーニングの進歩は、堅牢で高速なPRの新たな可能性を開いた。
我々は、既存の制限を克服するために、深層展開のための新しいフレームワークを開発する。
論文 参考訳(メタデータ) (2021-01-12T08:36:23Z) - Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。
提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
論文 参考訳(メタデータ) (2020-11-08T10:40:26Z) - Resource Allocation in Multi-armed Bandit Exploration: Overcoming
Sublinear Scaling with Adaptive Parallelism [107.48538091418412]
腕の引っ張りに様々な量の資源を割り当てることができる分割可能な資源にアクセス可能な場合,マルチアームの帯状地における探索について検討する。
特に、分散コンピューティングリソースの割り当てに重点を置いており、プル毎により多くのリソースを割り当てることで、結果をより早く得ることができます。
論文 参考訳(メタデータ) (2020-10-31T18:19:29Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳(メタデータ) (2020-05-09T02:48:23Z)
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。