論文の概要: Surprisingly Popular Algorithm-based Adaptive Euclidean Distance
Topology Learning PSO
- arxiv url: http://arxiv.org/abs/2108.11173v2
- Date: Sun, 19 Sep 2021 08:33:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 05:32:39.598190
- Title: Surprisingly Popular Algorithm-based Adaptive Euclidean Distance
Topology Learning PSO
- Title（参考訳）: 驚くほどポピュラーなアルゴリズムに基づく適応ユークリッド距離トポロジー学習pso
- Authors: Xuan Wu, Jizong Han, Quanlong Cui, Liang Chen, Yanchun Liang, Han
Huang, Heow Pueh Lee, You Zhou and Chunguo Wu
- Abstract要約: 粒子の性能を評価するために、適合性に頼るだけでなく、粒子の新しい測定基準を構築します。
通信トポロジが模範選択に与える影響から,適応型ユークリッド距離動的トポロジを提案する。
提案したSpadePSOを,全CEC2014ベンチマークスイート,拡散スペクトルレーダ多相符号化設計,および常微分方程式の推論で評価した。
- 参考スコア（独自算出の注目度）: 7.243020894696765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The surprisingly popular algorithm (SPA) is a powerful crowd decision model
proposed in social science, which can identify the knowledge possessed by the
minority. Inspired by SPA, we build a new metric for particles, not just rely
on fitness to evaluate particle performance. Due to the significant influence
of the communication topology on exemplar selection, we propose an adaptive
euclidean distance dynamic topology. And then we propose the Surprisingly
Popular Algorithm-based Adaptive Euclidean Distance Topology Learning Particle
Swarm Optimization (SpadePSO), which uses SPA to guide the search direction of
the exploitation sub-population, and analyze the influence of different
topologies on SPA. In the experimental part, we evaluate the proposed SpadePSO
on the full CEC2014 benchmark suite, the spread spectrum radar polyphase coding
design and the inference of ordinary differential equations. Especially, The
experimental results on the full CEC2014 benchmark suite show that the SpadePSO
is competitive with PSO, OLPSO, HCLPSO, GL-PSO, TSLPSO and XPSO. The mean and
standard deviation of SpadePSO are lower than the other PSO variants on the
spread spectrum radar polyphase coding design. Finally, the ordinary
differential equations models' inference results show that SpadePSO performs
better than LatinPSO, specially designed for this problem. SpadePSO has lower
requirements for population number than LatinPSO.
- Abstract（参考訳）: 驚くほど人気のあるアルゴリズム(SPA)は、社会科学において提案される強力な集団決定モデルであり、少数民族が持つ知識を識別することができる。
SPAにインスパイアされた我々は、粒子の性能を評価するために適合性に頼るだけでなく、粒子の新しい測定基準を構築した。
通信トポロジが典型的な選択に与える影響から,適応型ユークリッド距離動的トポロジを提案する。
さらに,spaを用いて活用するサブ人口の探索方向を誘導し,異なる位相がspaに与える影響を分析する,アルゴリズムベース適応ユークリッド距離トポロジ学習粒子群最適化(spadepso)を提案する。
実験では,全CEC2014ベンチマークスイート上で提案したSpadePSO,拡散スペクトルレーダ多相符号化設計,常微分方程式の推論について検討した。
特に、完全なCEC2014ベンチマークスイートの実験結果は、SpadePSOがPSO、OLPSO、HCLPSO、GL-PSO、TSLPSO、XPSOと競合していることを示している。
SpadePSOの平均偏差と標準偏差は、拡散スペクトルレーダー多相符号設計における他のPSO変種よりも低い。
最後に、通常の微分方程式モデルの推論結果から、SpadePSOはラテンPSOよりも優れた性能を示し、特にこの問題のために設計されている。
SpadePSOはラテンPSOよりも人口数が少ない。
関連論文リスト
- Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。
赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
論文 参考訳（メタデータ） (2024-06-21T05:57:08Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Federated Compositional Deep AUC Maximization [58.25078060952361]
本研究では,曲線(AUC)のスコアを直接最適化することにより,不均衡なデータに対する新しいフェデレート学習法を開発した。
私たちの知る限りでは、このような好ましい理論的な結果を達成した最初の作品である。
論文 参考訳（メタデータ） (2023-04-20T05:49:41Z) - On Large-Scale Multiple Testing Over Networks: An Asymptotic Approach [2.3072402651280517]
この研究は、ネットワーク上での大規模多重テストのための通信および計算効率の手法の開発に関するものである。
提案手法は,分散設定に合わせて,比例マッチングとgreedyアグリゲーションという2つの手法を提案する。
どちらの方法も、FDRとパワーの両方に収束率を与える。
論文 参考訳（メタデータ） (2022-11-29T10:10:39Z) - Asymptotically Unbiased Instance-wise Regularized Partial AUC
Optimization: Theory and Algorithm [101.44676036551537]
One-way partial AUC (OPAUC) と Two-way partial AUC (TPAUC) はバイナリ分類器の平均性能を測定する。
既存の手法のほとんどはPAUCをほぼ最適化するしかなく、制御不能なバイアスにつながる。
本稿では,分散ロバスト最適化AUCによるPAUC問題の簡易化について述べる。
論文 参考訳（メタデータ） (2022-10-08T08:26:22Z) - Versatile Single-Loop Method for Gradient Estimator: First and Second
Order Optimality, and its Application to Federated Learning [45.78238792836363]
本稿では,SLEDGE (Single-Loop-E Gradient Estimator) という単一ループアルゴリズムを提案する。
既存の手法とは異なり、SLEDGEは、(ii)2階最適、(ii)PL領域における、(iii)少ないデータ以下の複雑さの利点を持つ。
論文 参考訳（メタデータ） (2022-09-01T11:05:26Z) - Cooperative coevolutionary hybrid NSGA-II with Linkage Measurement
Minimization for Large-scale Multi-objective optimization [3.274290296343038]
大規模多目的問題(LSMOP)に対する協調的共進化に基づく可変グルーピング法を提案する。
サブプロブレム最適化段階では,推定収束点に基づくガウスサンプリング演算子を用いたハイブリッドNSGA-IIを提案する。
論文 参考訳（メタデータ） (2022-08-29T08:18:15Z) - Using Particle Swarm Optimization as Pathfinding Strategy in a Space
with Obstacles [4.899469599577755]
Particle Swarm Optimization (PSO) は集団適応最適化に基づく探索アルゴリズムである。
本稿では,幅広いアプリケーションを対象としたパスプランニングの効率化を図るため,パスフィニング戦略を提案する。
論文 参考訳（メタデータ） (2021-12-16T12:16:02Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳（メタデータ） (2021-07-07T03:57:22Z)
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。