論文の概要: Evolving Open Complexity
- arxiv url: http://arxiv.org/abs/2112.00812v1
- Date: Wed, 1 Dec 2021 20:09:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 16:44:54.070097
- Title: Evolving Open Complexity
- Title（参考訳）: オープン複雑性の進化
- Authors: W. B. Langdon
- Abstract要約: 大規模進化プログラムの情報理論解析は、浮動小数点加算や乗算ゆるいエントロピーのように滑らかでよく振る舞う機能を示している。
進化が合理的な速度で進むためには、ほとんどのコード変更の影響を測定する必要があります。
ほとんどの変異部位が生物の環境の10から100レベル以内にあるオープンアーキテクチャを採用する必要がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Information theoretic analysis of large evolved programs produced by running
genetic programming for up to a million generations has shown even functions as
smooth and well behaved as floating point addition and multiplication loose
entropy and consequently are robust and fail to propagate disruption to their
outputs. This means, while dependent upon fitness tests, many genetic changes
deep within trees are silent. For evolution to proceed at reasonable rate it
must be possible to measure the impact of most code changes, yet in large trees
most crossover sites are distant from the root node. We suggest to evolve very
large very complex programs, it will be necessary to adopt an open architecture
where most mutation sites are within 10 to 100 levels of the organism's
environment.
- Abstract（参考訳）: 最大100万世代にわたる遺伝的プログラムの実行によって生成された大規模プログラムの情報理論解析は、浮動小数点加算や乗算ゆるいエントロピーのように滑らかでうまく振る舞う機能を示しており、その結果、その出力の破壊を伝播することができない。
これは、フィットネステストに依存するが、木々の奥深くにある多くの遺伝的変化は静かであることを意味する。
進化が妥当な速度で進行するには、ほとんどのコード変更の影響を測定する必要があるが、大きな木では、ほとんどのクロスオーバーサイトはルートノードから遠く離れている。
我々は、非常に大規模で複雑なプログラムを進化させることを提案し、ほとんどの変異部位が生物の環境の10レベルから100レベル以内にあるオープンアーキテクチャを採用する必要がある。
関連論文リスト
- Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。
突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
論文 参考訳（メタデータ） (2024-05-16T03:53:21Z) - Phylotrack: C++ and Python libraries for in silico phylogenetic tracking [0.0]
Phylotrackプロジェクトは、シリコの進化における系統の追跡と解析のためのライブラリを提供する。
プロジェクトは,1) Phylotracklibと,2) Phylotrackpy: Phylotracklibを囲むPythonラッパーで,Pybind11で作成された。
論文 参考訳（メタデータ） (2024-05-15T14:47:43Z) - DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary
Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。
我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。
今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文 参考訳（メタデータ） (2023-12-08T16:51:10Z) - PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。
GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。
我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
論文 参考訳（メタデータ） (2023-10-12T23:46:08Z) - 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) - Capturing Emerging Complexity in Lenia [0.0]
この研究プロジェクトは、デジタル生物の生態系をシミュレートする人工生命プラットフォームLeniaを調査する。
レニアの生態系は、移動し、消費し、成長し、再生できる単純な人工生物から成り立っている。
レニアにおける複雑さを測定することは、ルールの長期的な複雑な出現行動を測定するための指標を特定する研究の重要な側面である。
論文 参考訳（メタデータ） (2023-05-16T12:01:08Z) - Failed Disruption Propagation in Integer Genetic Programming [0.3553493344868413]
交叉と突然変異の影響は散逸し、プログラムの外ではめったに伝播しない。
整数 GP において、深い記号的回帰浮動小数点 GP や一般にソフトウェアは脆弱ではなく、堅牢であり、カオス的ではなく、ローレンツの蝶にほとんど悩まされない。
論文 参考訳（メタデータ） (2022-04-04T07:20:52Z) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳（メタデータ） (2021-08-10T09:44:53Z) - 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) - Evolving the Behavior of Machines: From Micro to Macroevolution [4.061135251278186]
進化はコンピュータ科学者にコンピューティングの出現からインスピレーションを与えてきた。
これにより、マシンの複雑なニューラルネットワークを進化させるツールが生まれました。
現代における人工進化の見解は、電場をマイクロ進化からマクロ進化へと遠ざけつつある。
論文 参考訳（メタデータ） (2020-12-21T21:35:15Z)
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。