論文の概要: Complexity-based speciation and genotype representation for neuroevolution

• arxiv url: http://arxiv.org/abs/2010.05176v1
• Date: Sun, 11 Oct 2020 06:26:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 12:49:59.456895
• Title: Complexity-based speciation and genotype representation for neuroevolution
• Title（参考訳）: 神経進化における複雑性に基づく種分化と遺伝子型表現
• Authors: Alexander Hadjiivanov and Alan Blair
• Abstract要約: 本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
• 参考スコア（独自算出の注目度）: 81.21462458089142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a speciation principle for neuroevolution where evolving networks are grouped into species based on the number of hidden neurons, which is indicative of the complexity of the search space. This speciation principle is indivisibly coupled with a novel genotype representation which is characterised by zero genome redundancy, high resilience to bloat, explicit marking of recurrent connections, as well as an efficient and reproducible stack-based evaluation procedure for networks with arbitrary topology. Furthermore, the proposed speciation principle is employed in several techniques designed to promote and preserve diversity within species and in the ecosystem as a whole. The competitive performance of the proposed framework, named Cortex, is demonstrated through experiments. A highly customisable software platform which implements the concepts proposed in this study is also introduced in the hope that it will serve as a useful and reliable tool for experimentation in the field of neuroevolution.
• Abstract（参考訳）: 本稿では,探索空間の複雑さを示す隠れたニューロンの数に基づいて,進化するネットワークを種に分類する神経進化の種分化原理を提案する。 この識別原理は、ゼロゲノム冗長性、肥大に対する高いレジリエンス、繰り返し接続の明示的なマーキング、および任意のトポロジを持つネットワークに対する効率的かつ再現可能なスタックベースの評価手順によって特徴づけられる新規な遺伝子型表現と不可分に結合される。 さらに, 種および生態系全体における多様性の促進と保全を目的として, 提案された種分化原理が採用されている。 Cortexという名前のフレームワークの競争性能は、実験を通じて実証されている。 本研究で提案する概念を実装した高度にカスタマイズ可能なソフトウェアプラットフォームは、神経進化の分野での実験に有用で信頼性の高いツールになることを期待して紹介されている。

関連論文リスト

• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Coevolution of Neural Architectures and Features for Stock Market Forecasting: A Multi-objective Decision Perspective [0.0]
  本稿では、意思決定者によるさらなる選択のために、非支配的ニューラルネットワークモデルの集合を同定するための新しいアプローチを提案する。 ニューラルネットワークの特徴とトポロジを同時に選択するための新しい共進化手法を提案する。 その結果、NASDAQ指数は、近日・近日・近日・近日・近日・近日・遠日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・近日・
  論文  参考訳（メタデータ） (2023-11-23T15:12:30Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• Dive into the Power of Neuronal Heterogeneity [8.6837371869842]
  進化戦略(ES)を用いて、スパイキングニューラルネットワーク(SNN)を最適化し、ランダムネットワークにおける異種ニューロンのより堅牢な最適化を実現するためのバックプロパゲーションベースの手法が直面する課題を示す。 膜時間定数は神経異質性において重要な役割を担っており、その分布は生物学的実験で観察されたものと類似している。
  論文  参考訳（メタデータ） (2023-05-19T07:32:29Z)
• TANGOS: Regularizing Tabular Neural Networks through Gradient Orthogonalization and Specialization [69.80141512683254]
  TANGOS(Tbular Neural Gradient Orthogonalization and gradient)を紹介する。 TANGOSは、潜在ユニット属性上に構築された表の設定を正規化するための新しいフレームワークである。 提案手法は,他の一般的な正規化手法よりも優れ,サンプル外一般化性能の向上につながることを実証する。
  論文  参考訳（メタデータ） (2023-03-09T18:57:13Z)
• An Artificial Neural Network Functionalized by Evolution [2.0625936401496237]
  フィードフォワードニューラルネットワークのテンソル計算と擬似ダーウィン機構を組み合わせたハイブリッドモデルを提案する。 これにより、戦略の解明、制御問題、パターン認識タスクに適したトポロジを見つけることができる。 特に、このモデルは初期の進化段階に適応したトポロジを提供し、ロボット工学、ビッグデータ、人工生命に応用できる「構造収束」を提供することができる。
  論文  参考訳（メタデータ） (2022-05-16T14:49:58Z)
• Neural-Network-Directed Genetic Programmer for Discovery of Governing Equations [0.0]
  faiGPは、文法にエンコードされた関数代数の性質を利用するように設計されている。 我々は, トランスクリプトームの研究から適応した多様性指標を含む, 各種正則化剤の影響を定量化する。
  論文  参考訳（メタデータ） (2022-03-15T21:28:05Z)
• 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)

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。