論文の概要: Promoting Semantics in Multi-objective Genetic Programming based on Decomposition

• arxiv url: http://arxiv.org/abs/2012.04717v1
• Date: Tue, 8 Dec 2020 20:07:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 18:04:04.750761
• Title: Promoting Semantics in Multi-objective Genetic Programming based on Decomposition
• Title（参考訳）: 分解に基づく多目的遺伝的プログラミングにおける意味論の促進
• Authors: Edgar Galv\'an and Fergal Stapleton
• Abstract要約: 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。
• 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: The study of semantics in Genetic Program (GP) deals with the behaviour of a program given a set of inputs and has been widely reported in helping to promote diversity in GP for a range of complex problems ultimately improving evolutionary search. The vast majority of these studies have focused their attention in single-objective GP, with just a few exceptions where Pareto-based dominance algorithms such as NSGA-II and SPEA2 have been used as frameworks to test whether highly popular semantics-based methods, such as Semantic Similarity-based Crossover (SSC), helps or hinders evolutionary search. Surprisingly it has been reported that the benefits exhibited by SSC in SOGP are not seen in Pareto-based dominance Multi-objective GP. In this work, we are interested in studying if the same carries out in Multi-objective Evolutionary Algorithms based on Decomposition (MOEA/D). By using the MNIST dataset, a well-known dataset used in the machine learning community, we show how SSC in MOEA/D promotes semantic diversity yielding better results compared to when this is not present in canonical MOEA/D.
• Abstract（参考訳）: 遺伝的プログラム(GP)における意味論の研究は、一連の入力を与えられたプログラムの振る舞いを扱い、様々な複雑な問題に対してGPの多様性を促進するために広く報告されている。 NSGA-IIやSPEA2のようなParetoベースの支配アルゴリズムは、セマンティック類似性に基づくクロスオーバー(SSC)のような一般的なセマンティックなセマンティックベースの手法が進化的探索を妨げたり妨げたりするかどうかをテストするフレームワークとして使われてきた。 驚くべきことに、SOGPにおけるSSCの利点はパレートベースのマルチオブジェクトGPでは見られないことが報告されている。 本研究は,分解に基づく多目的進化アルゴリズム (moea/d) でも同様が実行されるか検討することに関心を寄せている。 機械学習コミュニティでよく使われているデータセットであるMNISTデータセットを用いて、MOEA/DのSSCが、MOEA/Dの標準MOEA/Dに存在しない場合と比較して、セマンティック多様性を促進する方法を示す。

関連論文リスト

• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Continuous Cartesian Genetic Programming based representation for Multi-Objective Neural Architecture Search [12.545742558041583]
  我々は、より複雑で高効率な畳み込みニューラルネットワーク(CNN)を設計するための新しいアプローチを提案する。 我々のアプローチは、ニューラルネットワーク探索(NAS)のためのカルテシアン遺伝的プログラミング(CGP)に基づく実ベースCNNとブロックチェーンCNNの表現を組み合わせたものである。 それらが考慮する探索空間の粒度が異なる2つの変種が導入された。
  論文  参考訳（メタデータ） (2023-06-05T07:32:47Z)
• 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)
• Result Diversification by Multi-objective Evolutionary Algorithms with Theoretical Guarantees [94.72461292387146]
  両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。 GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。 目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
  論文  参考訳（メタデータ） (2021-10-18T14:00:22Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• 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)
• Semantic Neighborhood Ordering in Multi-objective Genetic Programming based on Decomposition [0.0]
  分割に基づく多目的進化アルゴリズム(MOEA/D)を用いた進化的多目的最適化(EMO)における意味多様性の促進方法を示す。 遺伝子プログラミングにおけるMOEA/Dのセマンティック多様性をいかに促進できるかを初めて示す。
  論文  参考訳（メタデータ） (2021-02-28T12:18:37Z)
• Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment Analysis [56.893393134328996]
  本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。 本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-11-01T11:06:31Z)
• Semantic-based Distance Approaches in Multi-objective Genetic Programming [0.0]
  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。
  論文  参考訳（メタデータ） (2020-09-25T19:01:13Z)
• 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。