論文の概要: Obtaining Basic Algebra Formulas with Genetic Programming and Functional Rewriting

• arxiv url: http://arxiv.org/abs/2005.01207v1
• Date: Sun, 3 May 2020 23:32:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 06:04:48.434327
• Title: Obtaining Basic Algebra Formulas with Genetic Programming and Functional Rewriting
• Title（参考訳）: 遺伝的プログラミングと関数書き換えによる基本代数公式の獲得
• Authors: Edwin Camilo Cubides and Jonatan Gomez
• Abstract要約: 我々は、関数型プログラミングの書き直しを用いて、帰納的遺伝的プログラミングを促進する。 親はトーナメント選択機構に従って選択され、次の人口は定常的な戦略に従って取得される。 古典的遺伝プログラミングにおける)難題の集合において,本手法の性能を比較した。
• 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: In this paper, we develop a set of genetic programming operators and an initialization population process based on concepts of functional programming rewriting for boosting inductive genetic programming. Such genetic operators are used within a hybrid adaptive evolutionary algorithm that evolves operator rates at the same time it evolves the solution. Solutions are represented using recursive functions where genome is encoded as an ordered list of trees and phenotype is written in a simple functional programming language that uses rewriting as operational semantic (computational model). The fitness is the number of examples successfully deduced over the cardinal of the set of examples. Parents are selected following a tournament selection mechanism and the next population is obtained following a steady-state strategy. The evolutionary process can use some previous functions (programs) induced as background knowledge. We compare the performance of our technique in a set of hard problems (for classical genetic programming). In particular, we take as test-bed the problem of obtaining equivalent algebraic expressions of some notable products (such as square of a binomial, and cube of a binomial), and the recursive formulas of sum of the first n and squares of the first n natural numbers.
• Abstract（参考訳）: 本稿では,帰納的遺伝的プログラミングを促進する関数型プログラミング書き換えの概念に基づく,遺伝的プログラミング演算子の集合と初期化集団プロセスを開発する。 このような遺伝的演算子は、解が進化すると同時に演算子レートを進化させるハイブリッド適応進化アルゴリズム内で使用される。 解は再帰関数を用いて表現され、ゲノムは木のリストとしてエンコードされ、表現型は操作意味論(計算モデル)として書き換えられる単純な関数型プログラミング言語で記述される。 適合度は、例の集合の基数上でうまく推論された例の数である。 親はトーナメント選択機構に従って選抜され、次の人口は定常戦略に従って得られる。 進化過程は、バックグラウンド知識として誘導される以前の関数(プログラム)を使用することができる。 我々は,古典的遺伝的プログラミングにおいて,その手法の性能を一連の難しい問題と比較する。 特に、いくつかの顕著な積(双項の平方や二項の立方体など)の同値代数式を得る問題と、最初の n 個の自然数の最初の n と二乗の和の帰納公式を得る問題をテストベッドとして扱う。

関連論文リスト

• Guiding Genetic Programming with Graph Neural Networks [0.20718016474717196]
  本稿では,記号回帰問題から付加的な知識を引き出すためにグラフニューラルネットワークを用いたEvoNUDGEを提案する。 多数の問題インスタンスに対する広範な実験では、EvoNUDGEは複数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） (2024-11-03T20:43:31Z)
• Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming [0.0]
  CGPで定義されるグラフのジェノタイプを並べ替える3つの新しい作用素を導入する。 そこで本研究では,CGPをリオーダー法で使用することにより,解が見つかるまでの反復数や適合度が向上することを示す。 しかし、最良のリオーダー演算子は存在しない。
  論文  参考訳（メタデータ） (2024-10-01T08:59:01Z)
• Benchmarking Differential Evolution on a Quantum Simulator [0.0]
  微分進化(DE)はラストリギン関数やローゼンブロック関数などの関数の最小値を計算するために用いられる。 この研究は、古典的チューリングモデル計算で生成される候補個体を用いて、これらの関数にDE法を適用した結果の研究である。
  論文  参考訳（メタデータ） (2023-11-06T14:27:00Z)
• Symbolic Regression via Neural-Guided Genetic Programming Population Seeding [6.9501458586819505]
  シンボリック回帰(英: Symbolic regression)は、NPハードであると一般に信じられている離散最適化問題である。 この問題を解決するための従来のアプローチには、ニューラルガイド付き検索と遺伝的プログラミングがある。 本稿では、ランダムに再起動する遺伝的プログラミングコンポーネントの開始集団をシードする神経誘導成分を提案する。
  論文  参考訳（メタデータ） (2021-10-29T19:26:41Z)
• Learning Algebraic Recombination for Compositional Generalization [71.78771157219428]
  合成一般化のための代数的組換え学習のためのエンドツーエンドニューラルモデルLeARを提案する。 主要な洞察は、意味解析タスクを潜在構文代数学と意味代数学の間の準同型としてモデル化することである。 2つの現実的・包括的構成一般化の実験は、我々のモデルの有効性を実証している。
  論文  参考訳（メタデータ） (2021-07-14T07:23:46Z)
• Recognizing and Verifying Mathematical Equations using Multiplicative Differential Neural Units [86.9207811656179]
  メモリ拡張ニューラルネットワーク(NN)は、高次、メモリ拡張外挿、安定した性能、より高速な収束を実現することができることを示す。 本モデルでは,現在の手法と比較して1.53%の精度向上を達成し,2.22%のtop-1平均精度と2.96%のtop-5平均精度を達成している。
  論文  参考訳（メタデータ） (2021-04-07T03:50:11Z)
• NaturalProofs: Mathematical Theorem Proving in Natural Language [132.99913141409968]
  数学的ステートメントの多領域コーパスであるNaturalProofsとその証明を開発した。 NaturalProofsは広範なカバレッジ、深いカバレッジ、低リソースの数学的ソースを統一する。 数式参照検索と生成タスクに関する強力なニューラルネットワーク手法をベンチマークする。
  論文  参考訳（メタデータ） (2021-03-24T03:14:48Z)
• Abelian Neural Networks [48.52497085313911]
  まず、アベリア群演算のためのニューラルネットワークアーキテクチャを構築し、普遍近似特性を導出する。 連想対称の特徴づけを用いて、アベリア半群演算に拡張する。 固定単語埋め込み上でモデルをトレーニングし、元の word2vec よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2021-02-24T11:52:21Z)
• Genetic optimization algorithms applied toward mission computability models [0.3655021726150368]
  遺伝的アルゴリズムは計算ベースであり、計算に低コストである。 遺伝的最適化アルゴリズムをミッションクリティカルかつ制約対応の問題に記述する。
  論文  参考訳（メタデータ） (2020-05-27T00:45:24Z)
• Automatic Differentiation in ROOT [62.997667081978825]
  数学と計算機代数において、自動微分 (AD) は、コンピュータプログラムによって指定された関数の微分を評価するための一連の技術である。 本稿では、任意のC/C++関数の導関数を生成するために、ClingがサポートするROOTで利用可能なAD技術を提案する。
  論文  参考訳（メタデータ） (2020-04-09T09:18:50Z)
• The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
  与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。 このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。 解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
  論文  参考訳（メタデータ） (2020-04-03T17:21:57Z)

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。