論文の概要: Semantics in Multi-objective Genetic Programming

• arxiv url: http://arxiv.org/abs/2105.02944v2
• Date: Tue, 30 Nov 2021 17:24:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-01 07:31:13.108385
• Title: Semantics in Multi-objective Genetic Programming
• Title（参考訳）: 多目的遺伝的プログラミングにおける意味論
• Authors: Edgar Galv\'an, Leonardo Trujillo and Fergal Stapleton
• Abstract要約: 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。
• 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: Semantics has become a key topic of research in Genetic Programming (GP). Semantics refers to the outputs (behaviour) of a GP individual when this is run on a data set. The majority of works that focus on semantic diversity in single-objective GP indicates that it is highly beneficial in evolutionary search. Surprisingly, there is minuscule research conducted in semantics in Multi-objective GP (MOGP). In this work we make a leap beyond our understanding of semantics in MOGP and propose SDO: Semantic-based Distance as an additional criteriOn. This naturally encourages semantic diversity in MOGP. To do so, we find a pivot in the less dense region of the first Pareto front (most promising front). This is then used to compute a distance between the pivot and every individual in the population. The resulting distance is then used as an additional criterion to be optimised to favour semantic diversity. We also use two other semantic-based methods as baselines, called Semantic Similarity-based Crossover and Semantic-based Crowding Distance. Furthermore, we also use the NSGA-II and the SPEA2 for comparison too. We use highly unbalanced binary classification problems and consistently show how our proposed SDO approach produces more non-dominated solutions and better diversity, leading to better statistically significant results, using the hypervolume results as evaluation measure, compared to the rest of the other four methods.
• Abstract（参考訳）: セマンティックスは遺伝的プログラミング(GP)研究の重要テーマとなっている。 セマンティックス(Semantics)は、GP個人がデータセット上で実行されるときの出力(振る舞い)を指す。 単目的GPにおける意味多様性に焦点を当てた研究の大部分は、進化探索において非常に有益であることを示している。 意外なことに、MOGP(Multi-objective GP)のセマンティクスにおいて、極小研究が行われている。 本研究では、MOGPにおける意味論の理解を超えて、SDO: Semantic-based Distanceを追加のCriteriOnとして提案する。 これによりMOGPのセマンティックな多様性が自然に促進される。 そのために、第1パレート前線(最も有望な前線)の密度の低い領域のピボットを見つける。 これはピボットと人口の全ての個体の間の距離を計算するために使われる。 得られた距離は、意味的な多様性を優先するために最適化される追加の基準として使用される。 セマンティクスの類似性に基づくクロスオーバーとセマンティクスに基づくクローズング距離と呼ばれる、他の2つのセマンティクスベースのメソッドもベースラインとして使用しています。 さらに、NSGA-IIとSPEA2も比較に使用しています。 高度にバランスの取れない二分分類問題を用いて,提案手法が非支配的な解と多様性をいかに生み出すかを一貫して示し,他の4つの手法と比較して,超体積結果を評価尺度として,統計的に有意な結果を得ることができた。

関連論文リスト

• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Semantic-aware Contrastive Learning for More Accurate Semantic Parsing [32.74456368167872]
  そこで本研究では,意味表現の微粒化を学習できる意味認識型コントラスト学習アルゴリズムを提案する。 2つの標準データセットの実験により、我々の手法はMLEベースラインよりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2023-01-19T07:04:32Z)
• 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)
• SePiCo: Semantic-Guided Pixel Contrast for Domain Adaptive Semantic Segmentation [52.62441404064957]
  ドメイン適応セマンティックセグメンテーションは、ラベル付きソースドメインでトレーニングされたモデルを利用することで、ラベル付きターゲットドメイン上で満足のいく密度の予測を試みる。 多くの手法は、ノイズの多い擬似ラベルを緩和する傾向があるが、類似のセマンティックな概念を持つクロスドメインピクセル間の固有の接続を無視する。 本稿では,個々の画素のセマンティックな概念を強調する一段階適応フレームワークSePiCoを提案する。
  論文  参考訳（メタデータ） (2022-04-19T11:16:29Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Promoting Semantics in Multi-objective Genetic Programming based on Decomposition [0.0]
  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。
  論文  参考訳（メタデータ） (2020-12-08T20:07:47Z)
• Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
  本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。 ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。 親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
  論文  参考訳（メタデータ） (2020-09-26T10:28:11Z)
• 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)
• SGP-DT: Semantic Genetic Programming Based on Dynamic Targets [6.841231589814175]
  本稿では動的ターゲット(SGP-DT)に基づく新しいセマンティックGP手法を提案する。 各ランの進化は、残差に基づいて新しい(動的)ターゲットによって導かれる。 SGP-DTは、エプシロン・レキシケースよりも平均23.19%小さいRMSE値を得る。
  論文  参考訳（メタデータ） (2020-01-30T19:33:58Z)
• Gated Path Selection Network for Semantic Segmentation [72.44994579325822]
  我々は,適応的な受容場を学習することを目的とした,GPSNetという新しいネットワークを開発した。 GPSNetにおいて、我々はまず2次元のマルチスケールネットワーク、SuperNetを設計する。 望ましいセマンティックコンテキストを動的に選択するために、ゲート予測モジュールがさらに導入される。
  論文  参考訳（メタデータ） (2020-01-19T12:32:17Z)

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。