論文の概要: DIAS: A Domain-Independent Alife-Based Problem-Solving System

• arxiv url: http://arxiv.org/abs/2203.06855v1
• Date: Mon, 14 Mar 2022 04:53:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 14:15:57.992339
• Title: DIAS: A Domain-Independent Alife-Based Problem-Solving System
• Title（参考訳）: DIAS: ドメインに依存しないAlifeベースの問題解決システム
• Authors: Babak Hodjat, Hormoz Shahrzad, Risto Miikkulainen
• Abstract要約: 人工生命の原理に基づくドメインに依存しない問題解決システムについて紹介する。 本発明は、DIASにおいて、領域の入力及び出力次元を空間媒体にレイアウトする。 俳優の集団は、それぞれこの媒体の一部しか見ていないが、その中の問題をまとめて解決する。
• 参考スコア（独自算出の注目度）: 14.272883554753323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A domain-independent problem-solving system based on principles of Artificial Life is introduced. In this system, DIAS, the input and output dimensions of the domain are laid out in a spatial medium. A population of actors, each seeing only part of this medium, solves problems collectively in it. The process is independent of the domain and can be implemented through different kinds of actors. Through a set of experiments on various problem domains, DIAS is shown able to solve problems with different dimensionality and complexity, to require no hyperparameter tuning for new problems, and to exhibit lifelong learning, i.e. adapt rapidly to run-time changes in the problem domain, and do it better than a standard non-collective approach. DIAS therefore demonstrates a role for Alife in building scalable, general, and adaptive problem-solving systems.
• Abstract（参考訳）: 人工生命の原理に基づくドメインに依存しない問題解決システムを導入する。 本発明は、DIASにおいて、領域の入力及び出力次元を空間媒体にレイアウトする。 俳優の集団は、それぞれこの媒体の一部しか見ていないが、集合的に問題を解く。 プロセスはドメインとは独立しており、さまざまな種類のアクターを通じて実装することができる。 さまざまな問題領域に関する一連の実験を通じて、diasは、異なる次元と複雑さの問題を解決し、新しい問題のためにハイパーパラメータチューニングを必要とせず、生涯学習、すなわち問題領域のランタイム変化に迅速に適応し、標準的な非集合的アプローチよりも優れた方法を示すことが示される。 したがってdiasは、スケーラブルで汎用的で適応的な問題解決システムを構築するためのalifeの役割を実証する。

関連論文リスト

• Selective Exploration and Information Gathering in Search and Rescue Using Hierarchical Learning Guided by Natural Language Input [5.522800137785975]
  本稿では,大規模言語モデル(LLM)と階層的強化学習(HRL)フレームワークを連携させるシステムを提案する。 提案システムは,人間の利害関係者からの言語入力を実用的なRLインサイトへ翻訳し,検索戦略を調整するように設計されている。 LLMによる人為的情報の利用とHRLによるタスク実行の構造化により、長い地平線とスパース報酬を特徴とする環境におけるエージェントの学習効率と意思決定プロセスを大幅に改善する。
  論文  参考訳（メタデータ） (2024-09-20T12:27:47Z)
• Eliciting Problem Specifications via Large Language Models [4.055489363682198]
  大型言語モデル(LLM)は、問題クラスを半形式仕様にマッピングするために利用することができる。 認知システムは、問題空間仕様を使用して、問題クラスからの問題の複数のインスタンスを解決することができる。
  論文  参考訳（メタデータ） (2024-05-20T16:19:02Z)
• Cross-Domain Policy Adaptation via Value-Guided Data Filtering [57.62692881606099]
  動的ミスマッチで異なるドメインにまたがるポリシーを一般化することは、強化学習において重要な課題となる。 本稿では、ペア化された値ターゲットの近接に基づいて、ソースドメインからの遷移を選択的に共有するバリューガイドデータフィルタリング(VGDF)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-28T04:08:40Z)
• A Stable and Scalable Method for Solving Initial Value PDEs with Neural Networks [52.5899851000193]
  我々は,ネットワークの条件が悪くなるのを防止し,パラメータ数で時間線形に動作するODEベースのIPPソルバを開発した。 このアプローチに基づく現在の手法は2つの重要な問題に悩まされていることを示す。 まず、ODEに従うと、問題の条件付けにおいて制御不能な成長が生じ、最終的に許容できないほど大きな数値誤差が生じる。
  論文  参考訳（メタデータ） (2023-04-28T17:28:18Z)
• Normalization Perturbation: A Simple Domain Generalization Method for Real-World Domain Shifts [133.99270341855728]
  実世界のドメインスタイルは環境の変化やセンサノイズによって大きく変化する可能性がある。 深層モデルはトレーニングドメインスタイルしか知らない。 このドメインスタイルのオーバーフィット問題を解決するために,正規化摂動を提案する。
  論文  参考訳（メタデータ） (2022-11-08T17:36:49Z)
• Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
  我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。 次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。 我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-30T06:00:13Z)
• Message Passing Neural PDE Solvers [60.77761603258397]
  我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。 本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。 本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
  論文  参考訳（メタデータ） (2022-02-07T17:47:46Z)
• Problem Learning: Towards the Free Will of Machines [19.365648708008624]
  本稿では,データやマシンの環境との相互作用から,有効かつ倫理的な問題を発見し,定義することを目的とした問題解決について述べる。 より広い意味では、問題解決は知的機械の自由意志へのアプローチである。
  論文  参考訳（メタデータ） (2021-09-01T04:08:09Z)
• Heuristic and Metaheuristic Methods for the Unrelated Machines Scheduling Problem: A Survey [3.8580784887142774]
  非関連並列マシンスケジューリング問題(UPMSP)は、存在する多くの異なる問題の1つである。 問題の複雑さのため、メタヒューリスティックな手法がより注目を集めている。 本研究は, UPMSPの解法としてのメタヒューリスティック法の適用について, 広範な文献的考察を行う。
  論文  参考訳（メタデータ） (2021-07-27T23:42:44Z)
• Attract, Perturb, and Explore: Learning a Feature Alignment Network for Semi-supervised Domain Adaptation [34.81203184926791]
  半教師付きドメイン適応(SSDA)問題の新しい設定について検討する。 我々の枠組みは3つのスキーム、すなわちアトラクション、摂動、探索から構成される。 提案手法は,全データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-07-18T09:26:25Z)
• Continuous Domain Adaptation with Variational Domain-Agnostic Feature Replay [78.7472257594881]
  非定常環境での学習は、機械学習における最大の課題の1つだ。 非定常性はタスクドリフトまたはドメインドリフトによって引き起こされる。 本稿では,3つのコンポーネントから構成されるアプローチである変分ドメインに依存しない特徴リプレイを提案する。
  論文  参考訳（メタデータ） (2020-03-09T19:50:24Z)

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。