論文の概要: Particle Swarms Reformulated towards a Unified and Flexible Framework
- arxiv url: http://arxiv.org/abs/2104.12475v1
- Date: Mon, 26 Apr 2021 11:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 09:00:10.113410
- Title: Particle Swarms Reformulated towards a Unified and Flexible Framework
- Title（参考訳）: particle swarmsが統一的で柔軟なフレームワークへ
- Authors: Mauro Sebasti\'an Innocente
- Abstract要約: 本研究の目的は,PSOアルゴリズムの定義方法を確立し,既存の変種を包含するように定式化することである。
さらに、提案した定式化法は、各粒子の挙動により高い柔軟性を与える方法の特徴を一般化し、分離し、組み込む。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Particle Swarm Optimisation (PSO) algorithm has undergone countless
modifications and adaptations since its original formulation in 1995. Some of
these have become mainstream whereas many others have not been adopted and
faded away. Thus, a myriad of alternative formulations have been proposed to
the extent that the question arises as to what the basic features of an
algorithm must be to belong in the PSO family. The aim of this paper is to
establish what defines a PSO algorithm and to attempt to formulate it in such a
way that it encompasses many existing variants. Therefore, different versions
of the method may be posed as settings within the proposed unified framework.
In addition, the proposed formulation generalises, decouples and incorporates
features to the method providing more flexibility to the behaviour of each
particle. The closed forms of the trajectory difference equation are obtained,
different types of behaviour are identified, stochasticity is decoupled, and
traditionally global features such as sociometries and constraint-handling are
re-defined as particle's attributes.
- Abstract（参考訳）: Particle Swarm Optimisation (PSO) アルゴリズムは、1995年の当初の定式化以来、無数の修正と適応が行われている。
これらのいくつかは主流となり、他の多くは採用されず、消滅した。
このように、アルゴリズムの基本的な特徴が pso ファミリーに属する必要があるかという問題が発生する程度まで、数多くの代替定式化が提案されている。
本論文の目的は, psoアルゴリズムの定義を定式化し, 既存の多くの変種を包含する手法で定式化することである。
したがって、メソッドの異なるバージョンは、提案された統合フレームワーク内の設定として設定することができる。
さらに,提案手法では,各粒子の挙動に対する柔軟性を高めるために,特徴を一般化し,分離し,組み込む。
軌道差方程式の閉形式が得られ、異なる種類の振る舞いが識別され、確率性が分離され、伝統的にソシオメトリーや制約ハンドリングのような大域的な特徴が粒子の属性として再定義される。
関連論文リスト
- A Variational Bayesian Inference Theory of Elasticity and Its Mixed Probabilistic Finite Element Method for Inverse Deformation Solutions in Any Dimension [3.9900555221077396]
弾性ひずみエネルギーはベイズ推論ネットワークの先行として用いられる。
提案手法は, 強い不連続性や破壊を伴う連続変形写像を逆予測できる。
論文 参考訳（メタデータ） (2024-10-10T04:35:18Z) - A Canonicalization Perspective on Invariant and Equivariant Learning [54.44572887716977]
フレームの設計について,本質的で完全な視点を提供する正準化の視点を導入する。
フレームと標準形式の間には固有の関係があることが示される。
既存の手法よりも厳密な固有ベクトルのための新しいフレームを設計する。
論文 参考訳（メタデータ） (2024-05-28T17:22:15Z) - A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。
本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文 参考訳（メタデータ） (2024-05-24T21:09:19Z) - Lp-Norm Constrained One-Class Classifier Combination [18.27510863075184]
アンサンブルの空間/均一性をモデル化し,一級分類問題を考える。
定式化凸制約問題の解法を効果的に提案する。
論文 参考訳（メタデータ） (2023-12-25T16:32:34Z) - On Representations of Mean-Field Variational Inference [2.4316550366482357]
平均場変動推論(MFVI)アルゴリズムを解析するためのフレームワークを提案する。
提案手法により,MFVI問題を3つの異なる方法で表現できる。
厳密な保証は、座標の漸進的変分推論アルゴリズムの時分割的な実装が限界の勾配フローをもたらすことを示すために確立される。
論文 参考訳（メタデータ） (2022-10-20T16:26:22Z) - Message Passing Neural PDE Solvers [60.77761603258397]
我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。
本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。
本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
論文 参考訳（メタデータ） (2022-02-07T17:47:46Z) - A Variational Inference Approach to Inverse Problems with Gamma
Hyperpriors [60.489902135153415]
本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。
提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
論文 参考訳（メタデータ） (2021-11-26T06:33:29Z) - A Discrete Variational Derivation of Accelerated Methods in Optimization [68.8204255655161]
最適化のための異なる手法を導出できる変分法を導入する。
我々は1対1の対応において最適化手法の2つのファミリを導出する。
自律システムのシンプレクティシティの保存は、ここでは繊維のみに行われる。
論文 参考訳（メタデータ） (2021-06-04T20:21:53Z) - Galerkin Neural Networks: A Framework for Approximating Variational
Equations with Error Control [0.0]
本稿では,ニューラルネットワークを用いて変分方程式の解を近似する手法を提案する。
基本関数がニューラルネットワークの列の実現である有限次元部分空間の列を用いる。
論文 参考訳（メタデータ） (2021-05-28T20:25:40Z) - Partition-based formulations for mixed-integer optimization of trained
ReLU neural networks [66.88252321870085]
本稿では,訓練されたReLUニューラルネットワークのための混合整数式について紹介する。
1つの極端な場合、入力毎に1つのパーティションがノードの凸殻、すなわち各ノードの最も厳密な可能な定式化を回復する。
論文 参考訳（メタデータ） (2021-02-08T17:27:34Z)
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。