論文の概要: Selecting for Selection: Learning To Balance Adaptive and Diversifying
Pressures in Evolutionary Search
- arxiv url: http://arxiv.org/abs/2106.09153v1
- Date: Wed, 16 Jun 2021 22:11:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 12:50:43.947759
- Title: Selecting for Selection: Learning To Balance Adaptive and Diversifying
Pressures in Evolutionary Search
- Title（参考訳）: 選択の選択:進化的探索における適応的・多様化的圧力のバランスを学ぶ
- Authors: Kevin Frans, L.B. Soros, Olaf Witkowski
- Abstract要約: 本稿では,メタ進化ループを用いて,高性能なニューラルネットワークに基づく選択関数を探索するアルゴリズムであるSel4Selを紹介する。
最強のSel4Selネットワークの解析により、早期に高度に新規な個人を優先する傾向が明らかとなった。
- 参考スコア（独自算出の注目度）: 0.5156484100374058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Inspired by natural evolution, evolutionary search algorithms have proven
remarkably capable due to their dual abilities to radiantly explore through
diverse populations and to converge to adaptive pressures. A large part of this
behavior comes from the selection function of an evolutionary algorithm, which
is a metric for deciding which individuals survive to the next generation. In
deceptive or hard-to-search fitness landscapes, greedy selection often fails,
thus it is critical that selection functions strike the correct balance between
gradient-exploiting adaptation and exploratory diversification. This paper
introduces Sel4Sel, or Selecting for Selection, an algorithm that searches for
high-performing neural-network-based selection functions through a
meta-evolutionary loop. Results on three distinct bitstring domains indicate
that Sel4Sel networks consistently match or exceed the performance of both
fitness-based selection and benchmarks explicitly designed to encourage
diversity. Analysis of the strongest Sel4Sel networks reveals a general
tendency to favor highly novel individuals early on, with a gradual shift
towards fitness-based selection as deceptive local optima are bypassed.
- Abstract（参考訳）: 自然進化に触発された進化的探索アルゴリズムは、多様な個体群を徹底的に探索し、適応的な圧力に収束する2つの能力により、著しく有能であることが証明されている。
この行動の大部分は、どの個人が次の世代に生き残るかを決めるための指標である進化的アルゴリズムの選択関数に由来する。
偏見や調査が難しいフィットネスランドスケープでは、欲求選択がしばしば失敗するので、選択関数が勾配探索適応と探索的多様化の正確なバランスをとることが重要である。
本稿では,sel4sel(select for selection)を提案する。sel4selは,メタ進化ループを通じて高パフォーマンスなニューラルネットワークに基づく選択関数を探索するアルゴリズムである。
3つの異なるビットストリング領域の結果、sel4selネットワークは、多様性を促進するために明示的に設計されたフィットネスベースの選択とベンチマークの両方のパフォーマンスと一貫して一致または上回ることを示している。
最強のsel4selネットワークの解析により、早期に高度に新規な個人を好む傾向が見られ、偽りの局所視認性がバイパスされるように、フィットネスに基づく選択への段階的なシフトが見られる。
関連論文リスト
- Evolving choice hysteresis in reinforcement learning: comparing the adaptive value of positivity bias and gradual perseveration [0.0]
多くの状況において, 肯定バイアスは進化的安定であり, 漸進的摂動の出現は体系的でなく, 頑健であることを示す。
以上の結果から, 環境特異的な方法で, バイアスが適応し, 進化によって選択できることが示唆された。
論文 参考訳（メタデータ） (2024-10-25T09:47:31Z) - Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。
提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
論文 参考訳（メタデータ） (2024-03-06T16:31:56Z) - On Evolvability and Behavior Landscapes in Neuroevolutionary Divergent
Search [0.0]
進化性(Evolvability)とは、個々の遺伝子型が相互に多様な表現型を持つ子孫を産み出す能力である。
近年の研究では、発散探索法が選択的圧力を暗黙的に生成することで、進化性を促進することが示されている。
本稿では,神経進化的分岐探索と進化可能性の関係について,新しい視点を提供する。
論文 参考訳（メタデータ） (2023-06-16T13:46:55Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - When to be critical? Performance and evolvability in different regimes
of neural Ising agents [18.536813548129878]
臨界状態に近い状態での操作は、自然、人工的およびそれらの進化システムにとって有益である、という仮説は長年にわたって仮説化されてきた。
我々はこの仮説を、ニューラルネットワークによって制御される進化的捕食エージェントのシステムでテストする。
驚くべきことに、ソリューションを発見するすべての人口は、亜臨界状態へと進化する。
論文 参考訳（メタデータ） (2023-03-28T17:57:57Z) - Result Diversification by Multi-objective Evolutionary Algorithms with
Theoretical Guarantees [94.72461292387146]
両目的探索問題として結果の多様化問題を再構成し,多目的進化アルゴリズム(EA)を用いて解くことを提案する。
GSEMOが最適時間近似比1/2$を達成できることを理論的に証明する。
目的関数が動的に変化すると、GSEMOはこの近似比をランニングタイムで維持することができ、Borodinらによって提案されたオープンな問題に対処する。
論文 参考訳（メタデータ） (2021-10-18T14:00:22Z) - 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) - 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) - AdaLead: A simple and robust adaptive greedy search algorithm for
sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。
AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文 参考訳（メタデータ） (2020-10-05T16:40:38Z) - Using Neural Networks and Diversifying Differential Evolution for
Dynamic Optimisation [11.228244128564512]
ニューラルネットワークが競争力のあるものなのか、その結果を改善するためにニューラルネットワークを統合する可能性について検討する。
その結果、ニューラルネットワークと多様性メカニズムを統合する際の改善の意義が、変化のタイプと頻度に依存することが明らかとなった。
論文 参考訳（メタデータ） (2020-08-10T10:07:43Z) - A Study of Fitness Landscapes for Neuroevolution [4.930887920982693]
フィットネスランドスケープを使ってメタヒューリスティックスのダイナミクスを研究します。
また,本手法の予測能力に関する有用な情報を推測するためにも利用した。
その結果、これらの測定値は、考慮された神経進化構成の最適化能力と一般化能力の両方を推定するのに適していることが示された。
論文 参考訳（メタデータ） (2020-01-30T11:53:55Z)
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。