論文の概要: Semantic-based Distance Approaches in Multi-objective Genetic Programming

• arxiv url: http://arxiv.org/abs/2009.12401v4
• Date: Wed, 16 Dec 2020 20:31:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 22:41:17.518142
• Title: Semantic-based Distance Approaches in Multi-objective Genetic Programming
• Title（参考訳）: 多目的遺伝的プログラミングにおける意味論的距離アプローチ
• Authors: Edgar Galv\'an and Fergal Stapleton
• Abstract要約: 多目的GP(Multi-Objective (MO) GP)における3種類の意味論の比較を行う。 1つの意味論的手法であるセマンティック類似性に基づくクロスオーバー(SSC)は、単目的GPから借用される。 また, (ii) セマンティック・ベース・ディスタンス(Semantic-based Distance) と (iii) Pivot similarity SDO の2つの手法について検討した。
• 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: Semantics in the context of Genetic Program (GP) can be understood as the behaviour of a program given a set of inputs and has been well documented in improving performance of GP for a range of diverse problems. There have been a wide variety of different methods which have incorporated semantics into single-objective GP. The study of semantics in Multi-objective (MO) GP, however, has been limited and this paper aims at tackling this issue. More specifically, we conduct a comparison of three different forms of semantics in MOGP. One semantic-based method, (i) Semantic Similarity-based Crossover (SSC), is borrowed from single-objective GP, where the method has consistently being reported beneficial in evolutionary search. We also study two other methods, dubbed (ii) Semantic-based Distance as an additional criteriOn (SDO) and (iii) Pivot Similarity SDO. We empirically and consistently show how by naturally handling semantic distance as an additional criterion to be optimised in MOGP leads to better performance when compared to canonical methods and SSC. Both semantic distance based approaches made use of a pivot, which is a reference point from the sparsest region of the search space and it was found that individuals which were both semantically similar and dissimilar to this pivot were beneficial in promoting diversity. Moreover, we also show how the semantics successfully promoted in single-objective optimisation does not necessary lead to a better performance when adopted in MOGP.
• Abstract（参考訳）: 遺伝的プログラム(GP)の文脈における意味論は、一連の入力を与えられたプログラムの振る舞いとして理解することができ、様々な問題に対するGPの性能向上に成功している。 セマンティクスを単目的GPに組み込んだ様々な方法が存在した。 しかし,多目的GP(MO)のセマンティクスの研究は限定的であり,この問題に対処することを目的としている。 より具体的には、MOGPにおける3種類の意味論の比較を行う。 意味に基づく1つの方法 (i)セマンティック類似性に基づくクロスオーバー(SSC)は単目的GPから借用され,進化探索において常に有用であることが報告されている。 他にも2つの方法を研究しています (ii)追加基準(sdo)としての意味的距離及び (iii)ピボット類似性sdo。 経験的かつ一貫して,MOGPで最適化される追加基準として意味距離を自然に扱うことにより,標準法やSSCと比較して性能が向上することを示す。 両者のセマンティック距離に基づくアプローチは、探索空間の最も広い領域からの参照点であるピボットを用いており、このピボットと意味的に類似しており、異なる個人が多様性を促進するのに有益であることがわかった。 さらに,semanticsが単一目的の最適化に成功しても,mogpではパフォーマンスが向上する必要はないことを示す。

関連論文リスト

• Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided Relation Alignment and Adaptation [98.51938442785179]
  増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。 このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。 本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:40:52Z)
• Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
  教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。 このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。 このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
  論文  参考訳（メタデータ） (2022-09-27T19:04:36Z)
• Highlights of Semantics in Multi-objective Genetic Programming [0.0]
  本研究は,遺伝的プログラミング(GP)におけるセマンティクス(意味論)の理解を深め,新たなアプローチを提案する。 SCC(Semantic similarity-based Crossover)とSCD(Semantic-based Crowding Distance)という2つのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック 高度不均衡なバイナリ分類データセットを用いて、SDOの新たなアプローチにより、多様性の向上とハイパーボリューム結果の改善により、より支配的でないソリューションが一貫して生成されることを示した。
  論文  参考訳（メタデータ） (2022-06-10T11:49:45Z)
• Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
  本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。 我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。 ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
  論文  参考訳（メタデータ） (2022-02-10T06:23:56Z)
• A Simple Information-Based Approach to Unsupervised Domain-Adaptive Aspect-Based Sentiment Analysis [58.124424775536326]
  本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。 実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-29T10:18:07Z)
• Semantics in Multi-objective Genetic Programming [0.0]
  セマンティック・ベース・ディスタンス(Semantic-based Distance)を付加クリトリオンとして提案する。 これは多目的GPにおける意味的多様性を自然に促進する。 提案したSDOアプローチが,より多くの非ボリュームソリューションとより良い多様性を生み出し,統計的に有意な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-05-06T20:43:30Z)
• Promoting Semantics in Multi-objective Genetic Programming based on Decomposition [0.0]
  進化的アルゴリズム(MOEA/D)における意味的類似性に基づくクロスオーバー(SSC)は,それが標準MOEA/Dに存在しない場合と比較して,意味的多様性がより良い結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-12-08T20:07:47Z)
• Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
  本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。 ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。 親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
  論文  参考訳（メタデータ） (2020-09-26T10:28:11Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)

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。