論文の概要: Novel Metric based on Walsh Coefficients for measuring problem difficulty in Estimation of Distribution Algorithms

• arxiv url: http://arxiv.org/abs/2203.13195v1
• Date: Thu, 24 Feb 2022 14:20:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-27 13:30:23.181150
• Title: Novel Metric based on Walsh Coefficients for measuring problem difficulty in Estimation of Distribution Algorithms
• Title（参考訳）: 分散アルゴリズム推定における問題困難度測定のためのウォルシュ係数に基づく新しいメトリクス
• Authors: Saeed Ghadiri, Amin Nikanjam
• Abstract要約: 本稿では,モデル構築機構の特性を検証し,問題の難易度を測定するための新しい指標を提案する。 提案手法は、EDAにおけるよく知られたベンチマーク問題の難しさを評価するために用いられる。 その結果,提案手法は異なる問題におけるEDAの性能を正確に予測できることが示唆された。
• 参考スコア（独自算出の注目度）: 4.771833920251869
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Estimation of distribution algorithms are evolutionary algorithms that use extracted information from the population instead of traditional genetic operators to generate new solutions. This information is represented as a probabilistic model and the effectiveness of these algorithms is dependent on the quality of these models. However, some studies have shown that even multivariate EDAs fail to build a proper model in some problems. Usually, in these problems, there is intrinsic pairwise independence between variables. In the literature, there are few studies that investigate the difficulty and the nature of problems that can not be solved by EDAs easily. This paper proposes a new metric for measuring problem difficulty by examining the properties of model-building mechanisms in EDAs. For this purpose, we use the estimated Walsh coefficients of dependent and independent variables. The proposed metric is used to evaluate the difficulty of some well-known benchmark problems in EDAs. Different metrics like Fitness Distance Correlation (FDC) are used to compare how well the proposed metric measures problem difficulty for EDAs. Results indicate that the proposed metric can accurately predict the EDA's performance in different problems.
• Abstract（参考訳）: 分布アルゴリズムの推定は、従来の遺伝演算子の代わりに集団から抽出された情報を用いて新しい解を生成する進化的アルゴリズムである。 この情報は確率モデルとして表現され、これらのアルゴリズムの有効性はこれらのモデルの品質に依存する。 しかし、いくつかの研究では、多変量EDAでさえいくつかの問題において適切なモデルを構築することができないことが示されている。 通常、これらの問題では、変数の間に固有の対独立性がある。 文献では,edasでは容易に解決できない問題の難易度や性質について調査する研究は少ない。 本稿では,EDAにおけるモデル構築機構の特性を検証し,問題の難易度を測定するための新しい指標を提案する。 この目的のために、依存変数と独立変数のウォルシュ係数を推定する。 提案手法は、EDAにおけるよく知られたベンチマーク問題の難しさを評価するために用いられる。 FDC(Fitness Distance correlation)のような異なる測定基準を用いて、提案した測定基準がEDAの難易度をどの程度よく比較するかを比較する。 その結果,提案手法は異なる問題におけるEDAの性能を正確に予測できることが示唆された。

関連論文リスト

• Enhancing Training Data Attribution for Large Language Models with Fitting Error Consideration [74.09687562334682]
  Debias and Denoise Attribution (DDA) と呼ばれる新しいトレーニングデータ属性法を導入する。 提案手法は既存のアプローチよりも優れており,平均91.64%のAUCを実現している。 DDAは、様々なソースとLLaMA2、QWEN2、Mistralのような異なるスケールのモデルに対して、強力な汎用性とスケーラビリティを示す。
  論文  参考訳（メタデータ） (2024-10-02T07:14:26Z)
• Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
  我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。 特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
  論文  参考訳（メタデータ） (2023-12-19T13:17:43Z)
• Estimation-of-Distribution Algorithms for Multi-Valued Decision Variables [10.165640083594573]
  我々は、遺伝的ドリフトの既知の定量的解析を、多値変数の分布推定アルゴリズムに拡張する。 我々の研究は、バイナリEDAの理解が自然に多値設定にまで拡張されていることを示している。
  論文  参考訳（メタデータ） (2023-02-28T08:52:40Z)
• Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
  我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。 新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。 反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
  論文  参考訳（メタデータ） (2022-12-06T12:42:11Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Uncertainty Quantification in Scientific Machine Learning: Methods, Metrics, and Comparisons [1.8197242789718422]
  NNは、物理と工学の数学的法則とデータを組み合わせる方法の計算パラダイムを変更している。 NNベースの推論における誤りと不確かさの定量化は、従来の方法よりも複雑である。 本稿では、不確実性モデリング、新しい解法、既存の解法、評価指標、ポストホック改善アプローチを含む包括的フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-19T18:04:01Z)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• Identification of Errors-in-Variables ARX Models Using Modified Dynamic Iterative PCA [0.0]
  本稿では,入力計測にもノイズが伴うような誤り不変(EIV)ARXモデル同定問題について考察する。 本稿では,動的反復主成分分析(DIPCA)に基づく新しい同定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-30T09:35:02Z)
• Bayesian neural networks and dimensionality reduction [4.039245878626346]
  そのような問題に対するモデルに基づくアプローチのクラスは、未知の非線形回帰関数における潜在変数を含む。 VAEは、近似を用いて計算をトラクタブルにする人工知能ニューラルネットワーク(ANN)である。 潜在変数を持つANNモデルにおいて,マルコフ連鎖モンテカルロサンプリングアルゴリズムをベイズ推定のために展開する。
  論文  参考訳（メタデータ） (2020-08-18T17:11:07Z)
• Neural Methods for Point-wise Dependency Estimation [129.93860669802046]
  我々は,2つの結果が共起する確率を定量的に測定する点依存度(PD)の推定に焦点をあてる。 提案手法の有効性を,1)MI推定,2)自己教師付き表現学習,3)クロスモーダル検索タスクで示す。
  論文  参考訳（メタデータ） (2020-06-09T23:26:15Z)
• Towards Out-of-Distribution Detection with Divergence Guarantee in Deep Generative Models [22.697643259435115]
  深層生成モデルは、分布外データ(OOD)に対して、分布内データ(ID)よりも高い確率を割り当てることができる。 フローベースモデルにおける散逸を解析するための定理を証明している。 本稿では,2つのグループ異常検出手法を提案する。
  論文  参考訳（メタデータ） (2020-02-09T09:54:12Z)

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。