Fugu-MT 論文翻訳(概要): An exploration of asocial and social learning in the evolution of variable-length structures

論文の概要: An exploration of asocial and social learning in the evolution of variable-length structures

arxiv url: http://arxiv.org/abs/2104.08239v1
Date: Fri, 16 Apr 2021 17:17:28 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 10:45:46.720472
Title: An exploration of asocial and social learning in the evolution of variable-length structures
Title（参考訳）: 可変長構造の進化における社会学習と社会学習の探索
Authors: Michael O'Neill and Anthony Brabazon
Abstract要約: 進化的アルゴリズムによる可変長構造探索における自己適応のメカニズムとして,社会学習や社会学習が果たす貢献について検討する。
参考スコア（独自算出の注目度）: 1.0152838128195467
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We wish to explore the contribution that asocial and social learning might play as a mechanism for self-adaptation in the search for variable-length structures by an evolutionary algorithm. An extremely challenging, yet simple to understand problem landscape is adopted where the probability of randomly finding a solution is approximately one in a trillion. A number of learning mechanisms operating on variable-length structures are implemented and their performance analysed. The social learning setup, which combines forms of both social and asocial learning in combination with evolution is found to be most performant, while the setups exclusively adopting evolution are incapable of finding solutions.
Abstract（参考訳）: 進化的アルゴリズムによる可変長構造探索における自己適応のメカニズムとして,社会学習や社会学習が果たす貢献を探求したい。解決法をランダムに見つける確率が1兆分の1程度である場合、非常に難しいが、理解しやすくなっている。可変長構造に作用する学習機構を多数実装し,その性能解析を行った。社会学習と社会学習の両方の形式と進化を組み合わせた社会学習のセットアップは、最もパフォーマンスが高いが、進化を排他的に取り入れたセットアップはソリューションを見つけることができない。

関連論文リスト

AdaSociety: An Adaptive Environment with Social Structures for Multi-Agent Decision-Making [45.71942183664368]
AdaSocietyは、拡張状態とアクション空間を特徴とするカスタマイズ可能なマルチエージェント環境である。エージェントが進むにつれて、エージェントが実行する社会的構造を持つ新しいタスクを適応的に生成する。 AdaSocietyは、さまざまな物理的および社会的環境におけるインテリジェンスを探索するための、貴重な研究プラットフォームとして機能する。
論文参考訳（メタデータ） (2024-11-06T12:19:01Z)
Case Study of Novelty, Complexity, and Adaptation in a Multicellular System [0.0]
DISHTINYシミュレーションシステムを用いたケーススタディにおいて、新規性、複雑さ、適応の共進化を追究する。定性的に異なる10個の多細胞形態を記述し、その一部は非対称な成長と異なる生活段階を示す。私たちのケーススタディは、新奇性、複雑さ、適応の間に緩やかな(時には相違する)関係が存在することを示唆しています。
論文参考訳（メタデータ） (2024-05-12T10:13:36Z)
DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文参考訳（メタデータ） (2023-12-08T16:51:10Z)
Learning Roles with Emergent Social Value Orientations [49.16026283952117]
本稿では、人間社会における典型的な「労働・役割の分断」のメカニズムを紹介する。我々は、社会的価値指向(SVO)を伴う時空間的社会的ジレンマ(ISD)に対する有望な解決策を提供する。創発的SVOによる学習ロール(RESVO)と呼ばれる新しい学習フレームワークは、役割の学習を社会的価値指向の出現に変換するために提案されている。
論文参考訳（メタデータ） (2023-01-31T17:54:09Z)
Social learning spontaneously emerges by searching optimal heuristics with deep reinforcement learning [0.0]
多次元ランドスケープにおける協調ゲームにおけるエージェントの社会的学習戦略を最適化するために、深層強化学習モデルを用いる。エージェントは、コピー、頻繁で良好な隣人への焦点、自己比較、個人と社会学習のバランスの重要性など、社会的学習の様々な概念を自発的に学習する。本研究では,時間的に変化する環境や実際のソーシャルネットワークなど,各種環境における強化学習エージェントの優れた性能を示す。
論文参考訳（メタデータ） (2022-04-26T15:10:27Z)
Improved cooperation by balancing exploration and exploitation in intertemporal social dilemma tasks [2.541277269153809]
本研究では,探索と搾取のバランスをとることができる学習率を組み込むことで協調を達成するための新たな学習戦略を提案する。簡単な戦略を駆使したエージェントは、時間的社会的ジレンマと呼ばれる意思決定タスクにおいて、相対的に集団的リターンを改善する。また、学習率の多様性が強化学習エージェントの人口に与える影響についても検討し、異種集団で訓練されたエージェントが特に協調した政策を発達させることを示す。
論文参考訳（メタデータ） (2021-10-19T08:40:56Z)
Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。また、進化は速く学習する形態を素早く選択することを示した。我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文参考訳（メタデータ） (2021-02-03T18:58:31Z)
Emergent Social Learning via Multi-agent Reinforcement Learning [91.57176641192771]
社会学習は、人間と動物の知性の重要な構成要素である。本稿では,独立系強化学習エージェントが,社会的学習を用いてパフォーマンスを向上させることを学べるかどうかを検討する。
論文参考訳（メタデータ） (2020-10-01T17:54:14Z)
Importance Weighted Policy Learning and Adaptation [89.46467771037054]
政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
論文参考訳（メタデータ） (2020-09-10T14:16:58Z)
Neuro-evolutionary Frameworks for Generalized Learning Agents [1.2691047660244335]
近年のディープラーニングと深層強化学習の成功は、最先端の人工知能技術としての地位を確固たるものにしている。これらのアプローチの長年の欠点は、そのようなシステムが設計され、デプロイされる方法を再考する必要性を示している。このような神経進化の枠組みから期待される改善と関連する課題について論じる。
論文参考訳（メタデータ） (2020-02-04T02:11:56Z)

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。