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

• Analysing the Influence of Reorder Strategies for Cartesian Genetic Programming [0.0]
  CGPで定義されるグラフのジェノタイプを並べ替える3つの新しい作用素を導入する。 そこで本研究では,CGPをリオーダー法で使用することにより,解が見つかるまでの反復数や適合度が向上することを示す。 しかし、最良のリオーダー演算子は存在しない。
  論文  参考訳（メタデータ） (2024-10-01T08:59:01Z)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)
• Generation is better than Modification: Combating High Class Homophily Variance in Graph Anomaly Detection [51.11833609431406]
  異なるクラス間のホモフィリー分布の差は、ホモフィリックグラフやヘテロフィリックグラフよりも著しく大きい。 我々は、この現象を定量的に記述した、クラスホモフィリーバリアンスと呼ばれる新しい計量を導入する。 その影響を軽減するために,ホモフィリーエッジ生成グラフニューラルネットワーク(HedGe)と呼ばれる新しいGNNモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-15T14:26:53Z)
• 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)
• 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)
• 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。