Fugu-MT 論文翻訳(概要): A Review of Evolutionary Multi-modal Multi-objective Optimization

論文の概要: A Review of Evolutionary Multi-modal Multi-objective Optimization

arxiv url: http://arxiv.org/abs/2009.13347v1
Date: Mon, 28 Sep 2020 14:14:36 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 21:23:10.646950
Title: A Review of Evolutionary Multi-modal Multi-objective Optimization
Title（参考訳）: 進化的マルチモーダル多目的最適化の展望
Authors: Ryoji Tanabe and Hisao Ishibuchi
Abstract要約: マルチモーダル多目的最適化は2005年から進化計算コミュニティで研究されている。個別に実施され、マルチモーダル多目的最適化(multi-modal multi-jective optimization)という用語を明示的に使用していないため、既存の研究を調査することは困難である。
参考スコア（独自算出の注目度）: 7.81768535871051
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-modal multi-objective optimization aims to find all Pareto optimal solutions including overlapping solutions in the objective space. Multi-modal multi-objective optimization has been investigated in the evolutionary computation community since 2005. However, it is difficult to survey existing studies in this field because they have been independently conducted and do not explicitly use the term "multi-modal multi-objective optimization". To address this issue, this paper reviews existing studies of evolutionary multi-modal multi-objective optimization, including studies published under names that are different from "multi-modal multi-objective optimization". Our review also clarifies open issues in this research area.
Abstract（参考訳）: マルチモーダル多目的最適化は、目的空間における重なり合う解を含む全てのパレート最適解を見つけることを目的としている。マルチモーダル多目的最適化は2005年から進化計算コミュニティで研究されている。しかし,マルチモーダル・マルチ目的最適化(multi-modal multi-objective optimization)という用語を明示的に用いていないため,既存の研究を調査することは困難である。本稿では,マルチモーダル・マルチ目的最適化とは別の名前で発表された研究を含む,進化的マルチモーダル・マルチ目的最適化に関する既存の研究を概説する。また,本研究領域におけるオープンな課題も明らかにした。

関連論文リスト

Multi-modal Retrieval Augmented Multi-modal Generation: A Benchmark, Evaluate Metrics and Strong Baselines [63.427721165404634]
本稿では,マルチモーダル検索拡張マルチモーダル生成(M$2$RAG)の興味深い課題について検討する。このタスクでは,複数モーダルなWebページを閲覧し,テキストと画像が混在し,ユーザクエリを解決するためのマルチモーダルな応答を生成するための基礎モデルが必要である。我々は,M$2$RAGタスクのベンチマークを構築し,既存の基礎モデルの能力を分析するために,テキストモーダルメトリクスとマルチモーダルメトリクスのセットを備える。
論文参考訳（メタデータ） (2024-11-25T13:20:19Z)
Maintaining Diversity Provably Helps in Evolutionary Multimodal Optimization [20.621635722585502]
解空間における解の多様性を考慮に入れた簡単な方法が進化的アルゴリズム(EA)の探索に有効であることを示す。提案手法は,クロスオーバーで作業することで探索の促進に寄与し,予測走行時間において,マルチモーダルあるいは指数加速度がもたらされることを実証する。
論文参考訳（メタデータ） (2024-06-04T17:52:14Z)
Attribution Regularization for Multimodal Paradigms [7.1262539590168705]
マルチモーダル機械学習は、学習と意思決定プロセスを強化するために、複数のモーダルからの情報を統合することができる。ユニモーダルモデルは、よりリッチな情報にアクセスできるにもかかわらず、マルチモーダルモデルより優れていることがよく見られる。本研究は,マルチモーダルモデルの意思決定において,すべてのモーダルからの情報を効果的に活用するための新たな正規化用語を提案する。
論文参考訳（メタデータ） (2024-04-02T23:05:56Z)
Large Multimodal Agents: A Survey [78.81459893884737]
大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。 LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
論文参考訳（メタデータ） (2024-02-23T06:04:23Z)
Provable Dynamic Fusion for Low-Quality Multimodal Data [94.39538027450948]
動的マルチモーダル融合は、有望な学習パラダイムとして現れる。広く使われているにもかかわらず、この分野の理論的正当化は依然として顕著に欠落している。本稿では、一般化の観点から最もポピュラーなマルチモーダル融合フレームワークの下で、この問題に答える理論的理解を提供する。 QMF(Quality-Aware Multimodal Fusion)と呼ばれる新しいマルチモーダル融合フレームワークを提案する。
論文参考訳（メタデータ） (2023-06-03T08:32:35Z)
Multi-Objective GFlowNets [59.16787189214784]
本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
論文参考訳（メタデータ） (2022-10-23T16:15:36Z)
An Analysis of Phenotypic Diversity in Multi-Solution Optimization [118.97353274202749]
マルチモーダル最適化は高い適合性ソリューションを生み出し、品質の多様性は遺伝的中立性に敏感ではない。オートエンコーダは表現型特徴を自動的に発見するために使用され、品質の多様性を備えたさらに多様なソリューションセットを生成する。
論文参考訳（メタデータ） (2021-05-10T10:39:03Z)
A Niching Indicator-Based Multi-modal Many-objective Optimizer [7.81768535871051]
目的の数が3以上であるマルチモーダル多目的最適化の効率的な方法は存在しない。本稿では,ニッチインジケータに基づくマルチモーダル多目的・多目的最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-10-01T07:45:46Z)
A Framework to Handle Multi-modal Multi-objective Optimization in Decomposition-based Evolutionary Algorithms [7.81768535871051]
分解に基づく進化的アルゴリズムは多目的最適化に優れた性能を持つ。解空間の多様性を維持するメカニズムが欠如しているため、マルチモーダルな多目的最適化にはあまり役に立たない可能性が高い。本稿では,マルチモーダル多目的最適化のための分解に基づく進化的アルゴリズムの性能向上のためのフレームワークを提案する。
論文参考訳（メタデータ） (2020-09-30T14:32:57Z)
A Decomposition-based Large-scale Multi-modal Multi-objective Optimization Algorithm [9.584279193016522]
広範に使われているMOEA/Dアルゴリズムに基づく効率的なマルチモーダル多目的最適化アルゴリズムを提案する。実験の結果,提案アルゴリズムは決定空間における解の多様性を効果的に維持できることが示された。
論文参考訳（メタデータ） (2020-04-21T09:18:54Z)
Pareto Multi-Task Learning [53.90732663046125]
マルチタスク学習は複数の相関タスクを同時に解くための強力な方法である。異なるタスクが互いに衝突する可能性があるため、すべてのタスクを最適化するひとつのソリューションを見つけることは、しばしば不可能である。近年,マルチタスク学習を多目的最適化として活用することにより,タスク間のトレードオフが良好である1つのパレート最適解を求める方法が提案されている。
論文参考訳（メタデータ） (2019-12-30T08:58:40Z)

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。