論文の概要: Multi Expression Programming -- an in-depth description

• arxiv url: http://arxiv.org/abs/2110.00367v1
• Date: Wed, 29 Sep 2021 01:57:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-04 14:41:27.454038
• Title: Multi Expression Programming -- an in-depth description
• Title（参考訳）: マルチ表現プログラミング - 詳細な記述
• Authors: Mihai Oltean
• Abstract要約: MEP個人は複雑なコンピュータプログラムをコードする遺伝子の文字列である。 ユニークなMEP機能は、問題の複数の解を単一の染色体に格納する能力である。
• 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: Multi Expression Programming (MEP) is a Genetic Programming variant that uses a linear representation of chromosomes. MEP individuals are strings of genes encoding complex computer programs. When MEP individuals encode expressions, their representation is similar to the way in which compilers translate $C$ or $Pascal$ expressions into machine code. A unique MEP feature is the ability to store multiple solutions of a problem in a single chromosome. Usually, the best solution is chosen for fitness assignment. When solving symbolic regression or classification problems (or any other problems for which the training set is known before the problem is solved) MEP has the same complexity as other techniques storing a single solution in a chromosome (such as GP, CGP, GEP or GE). Evaluation of the expressions encoded into an MEP individual can be performed by a single parsing of the chromosome. Offspring obtained by crossover and mutation is always syntactically correct MEP individuals (computer programs). Thus, no extra processing for repairing newly obtained individuals is needed.
• Abstract（参考訳）: Multi Expression Programming (MEP) は染色体の線形表現を用いた遺伝的プログラミングの変種である。 MEP個人は複雑なコンピュータプログラムをコードする遺伝子の文字列である。 MEPの個人が式をエンコードする場合、その表現はコンパイラが$C$または$Pascal$式を機械コードに変換する方法に似ている。 ユニークなMEP機能は、問題の複数の解を単一の染色体に格納する能力である。 通常、ベストソリューションはフィットネスの割り当てに選択されます。 シンボリック回帰や分類問題を解くとき(または、トレーニングセットが解かれる前に知られている他の問題)、MEPは1つの溶液を染色体(GP、CGP、GEP、GEなど)に格納する他の技術と同じ複雑さを持つ。 MEP個体にコードされた発現の評価は、染色体の1つの解析によって行うことができる。 交叉と突然変異によって得られる子孫は、常に構文的に正しいMEP個人(コンピュータプログラム)である。 これにより、新たに取得した個人を補修するための余分な処理は不要となる。

関連論文リスト

• Scalable Mechanism Design for Multi-Agent Path Finding [87.40027406028425]
  MAPF (Multi-Agent Path Finding) は、複数のエージェントが同時に移動し、与えられた目標地点に向かって共有領域を通って衝突しない経路を決定する。 最適解を見つけることは、しばしば計算不可能であり、近似的な準最適アルゴリズムを用いることが不可欠である。 本稿では、MAPFのスケーラブルな機構設計の問題を紹介し、MAPFアルゴリズムを近似した3つの戦略防御機構を提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:26:04Z)
• GEC-DePenD: Non-Autoregressive Grammatical Error Correction with Decoupled Permutation and Decoding [52.14832976759585]
  文法的誤り訂正(GEC)は、通常自己回帰的なシーケンス・ツー・シーケンスモデルで解決される重要なNLPタスクである。 本稿では, アーキテクチャを置換ネットワークに分離する, GEC に対する非自己回帰的アプローチを提案する。 GECの既知の非自己回帰手法よりもネットワークが向上することを示す。
  論文  参考訳（メタデータ） (2023-11-14T14:24:36Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Chromosome Segmentation Analysis Using Image Processing Techniques and Autoencoders [0.0]
  細胞遺伝学に基づく診断において, 染色体解析とメタフェーズ画像からの同定が重要な部分である。 染色体をメタフェーズから同定するプロセスは退屈なもので、訓練された人員と実行に数時間を要する。 そこで本研究では,染色体検出と染色体分割のプロセスを自動化する手法を提案する。
  論文  参考訳（メタデータ） (2022-09-12T17:06:42Z)
• Multi Expression Programming for solving classification problems [0.0]
  Multi Expression Programming (MEP) は、単一の染色体に複数のソリューションをエンコードする遺伝的プログラミングの亜種である。 本稿では,MEPの染色体パラダイムごとのテキストマルチソリューションにおいて,バイナリとマルチクラスの分類問題を解くためのいくつかの戦略を紹介し,深く解説する。
  論文  参考訳（メタデータ） (2022-03-16T13:11:50Z)
• Improving the Search by Encoding Multiple Solutions in a Chromosome [0.0]
  単一染色体における問題の複数の解を符号化する可能性について検討する。 いくつかの利益を得るためには、染色体復号法は染色体内の1つの溶液の場合と同じ複雑さでなければならない。 数値実験により、染色体内の複数の解の符号化は探索過程を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2021-10-13T09:38:50Z)
• Top-N: Equivariant set and graph generation without exchangeability [61.24699600833916]
  集合やグラフ上の分布の前にベクトル形状をマッピングするワンショット確率デコーダを考える。 これらの機能は、可変オートエンコーダ(VAE)、生成逆数ネットワーク(GAN)、正規化フローに統合することができる。 Top-nは、トレーニング可能な参照セットから最も関連性の高いポイントを選択することを学ぶ、決定論的で非交換可能なセット生成メカニズムである。
  論文  参考訳（メタデータ） (2021-10-05T14:51:19Z)
• Evolving Digital Circuits for the Knapsack Problem [0.0]
  マルチ表現プログラミング(Multi Expression Programming、MEP)は、線形染色体を用いた遺伝的プログラミングの亜種である。 本稿では,NP-Complete問題,knapsack (subset sum)問題に対して,ディジタル回路の進化にマルチ表現プログラミングを用いる。
  論文  参考訳（メタデータ） (2021-08-21T15:48:50Z)
• Thinking Like Transformers [64.96770952820691]
  本稿では,プログラミング言語の形式で変換器エンコーダの計算モデルを提案する。 RASPは、トランスフォーマーによって確実に学習できるタスクの解決策をプログラムするのにどのように使えるかを示す。 ヒストグラム、ソート、ダイク言語のためのRASPプログラムを提供する。
  論文  参考訳（メタデータ） (2021-06-13T13:04:46Z)
• A Practical Method for Constructing Equivariant Multilayer Perceptrons for Arbitrary Matrix Groups [115.58550697886987]
  行列群の同変層を解くための完全一般的なアルゴリズムを提供する。 他作品からのソリューションを特殊ケースとして回収するだけでなく、これまで取り組んだことのない複数のグループと等価な多層パーセプトロンを構築します。 提案手法は, 粒子物理学および力学系への応用により, 非同変基底線より優れる。
  論文  参考訳（メタデータ） (2021-04-19T17:21:54Z)
• Zoetrope Genetic Programming for Regression [2.642406403099596]
  Zoetrope Genetic Programming (ZGP)アルゴリズムは、数学的表現のオリジナルの表現に基づいている。 ZGPは多数のパブリックドメイン回帰データセットを使用して検証される。
  論文  参考訳（メタデータ） (2021-02-26T10:47:10Z)

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。