論文の概要: On the Genotype Compression and Expansion for Evolutionary Algorithms in
the Continuous Domain
- arxiv url: http://arxiv.org/abs/2105.11502v1
- Date: Mon, 24 May 2021 18:56:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 23:03:35.920974
- Title: On the Genotype Compression and Expansion for Evolutionary Algorithms in
the Continuous Domain
- Title(参考訳): 連続領域における進化アルゴリズムの遺伝子型圧縮と拡張について
- Authors: Lucija Planinic, Marko Djurasevic, Luca Mariot, Domagoj Jakobovic,
Stjepan Picek, Carlos Coello Coello
- Abstract要約: 我々は、遺伝子型が表現型より小さい)遺伝子型圧縮と拡張(表現型より大きい)を考える。
我々は,3組の最適化問題に対して,いくつかの進化的アルゴリズムを用いてアプローチを検証した。
- 参考スコア(独自算出の注目度): 7.152439554068968
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the influence of genotype size on evolutionary
algorithms' performance. We consider genotype compression (where genotype is
smaller than phenotype) and expansion (genotype is larger than phenotype) and
define different strategies to reconstruct the original variables of the
phenotype from both the compressed and expanded genotypes. We test our approach
with several evolutionary algorithms over three sets of optimization problems:
COCO benchmark functions, modeling of Physical Unclonable Functions, and neural
network weight optimization. Our results show that genotype expansion works
significantly better than compression, and in many scenarios, outperforms the
original genotype encoding. This could be attributed to the change in the
genotype-phenotype mapping introduced with the expansion methods: this
modification beneficially transforms the domain landscape and alleviates the
search space traversal.
- Abstract(参考訳): 本稿では,遺伝子型の大きさが進化的アルゴリズムの性能に及ぼす影響について検討する。
我々は,表現型圧縮(表現型より小さい)と拡張(表現型より大きい)を検討し,圧縮型と拡張型の両方から表現型の原変数を再構築するための異なる戦略を定義する。
提案手法は,cocoベンチマーク関数,物理的非clonable関数のモデリング,ニューラルネットワーク重み最適化という3つの最適化問題に対して,いくつかの進化的アルゴリズムを用いてテストする。
以上の結果から,ジェノタイプ拡張は圧縮よりもかなり優れており,多くのシナリオにおいて,元のジェノタイプエンコーディングよりも優れていた。
これは拡張法で導入されたジェノタイプ・表現型マッピングの変化に起因する可能性がある: この修正はドメインのランドスケープを効果的に変換し、探索空間のトラバーサルを緩和する。
関連論文リスト
- Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳(メタデータ) (2023-01-07T18:36:44Z) - Phenotype Search Trajectory Networks for Linear Genetic Programming [8.079719491562305]
中立性(英: Neutrality)は、いくつかの突然変異が表現型変化を起こさないという観察である。
遺伝的プログラミングシステムの探索軌跡をグラフベースモデルとして検討する。
遺伝子型とコルモゴロフ複雑性を含む表現型の特徴を測定した。
論文 参考訳(メタデータ) (2022-11-15T21:20:50Z) - Graph Coloring via Neural Networks for Haplotype Assembly and Viral
Quasispecies Reconstruction [8.828330486848753]
我々はグラフ表現学習と最適化を組み合わせたNeurHapと呼ばれる新しい手法を開発した。
我々の実験は、競合するアプローチと比較して、実データや合成データセットにおけるNeurHapの性能を著しく向上させる。
論文 参考訳(メタデータ) (2022-10-21T12:53:09Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳(メタデータ) (2022-03-31T20:15:22Z) - 3D Equivariant Graph Implicit Functions [51.5559264447605]
局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。
提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
論文 参考訳(メタデータ) (2022-03-31T16:51:25Z) - Expressivity of Parameterized and Data-driven Representations in Quality
Diversity Search [111.06379262544911]
2つの異なる検索空間で実施した品質多様性進化探索の出力多様性を比較する。
学習モデルは、未知の例への外挿や拡大よりも、既知のデータポイント間の補間が優れている。
論文 参考訳(メタデータ) (2021-05-10T10:27:43Z) - 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) - A Memory Optimized Data Structure for Binary Chromosomes in Genetic
Algorithm [0.0]
本稿では,遺伝アルゴリズムにおけるバイナリ染色体の実装のためのメモリ最適化メタデータに基づくデータ構造を提案する。
このアプローチは、メモリ使用率とアレルの保持能力を向上させる。
論文 参考訳(メタデータ) (2021-02-24T15:49:11Z) - Object-Attribute Biclustering for Elimination of Missing Genotypes in
Ischemic Stroke Genome-Wide Data [2.0236506875465863]
欠落した遺伝子型は、一般的な疾患や形質の遺伝的変異を識別するための機械学習アプローチの有効性に影響を与える可能性がある。
この問題は、異なるDNAマイクロアレイで異なる実験から遺伝子型データを収集する際に起こり、それぞれが無名(欠失)遺伝子型のパターンによって特徴づけられる。
我々は、オブジェクト-属性・ビクラスタのよく発達した概念と、二項関係の密接な部分関係に対応する形式的概念を用いる。
論文 参考訳(メタデータ) (2020-10-22T12:27:43Z) - Complexity-based speciation and genotype representation for
neuroevolution [81.21462458089142]
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。
論文 参考訳(メタデータ) (2020-10-11T06:26:56Z) - GeneCAI: Genetic Evolution for Acquiring Compact AI [36.04715576228068]
ディープニューラルネットワーク(DNN)は、より高い推論精度を達成するために、より複雑なアーキテクチャへと進化している。
モデル圧縮技術は、リソース制限されたモバイルデバイスにそのような計算集約的なアーキテクチャを効率的に展開するために利用することができる。
本稿では,階層ごとの圧縮ハイパーパラメータのチューニング方法を自動的に学習する新しい最適化手法であるGeneCAIを紹介する。
論文 参考訳(メタデータ) (2020-04-08T20:56:37Z)
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。