論文の概要: High-performance Evolutionary Algorithms for Online Neuron Control

• arxiv url: http://arxiv.org/abs/2204.06765v1
• Date: Thu, 14 Apr 2022 05:49:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-15 14:29:22.527952
• Title: High-performance Evolutionary Algorithms for Online Neuron Control
• Title（参考訳）: オンラインニューロン制御のための高性能進化アルゴリズム
• Authors: Binxu Wang, Carlos R. Ponce
• Abstract要約: 視覚系では、ニューロンはグレードとノイズの反応を持つ画像に反応する。 我々はブラックボックス検索を用いて4096d画像空間を探索し、ニューロンの反応を最大化する画像の進化につながった。
• 参考スコア（独自算出の注目度）: 7.6146285961466
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recently, optimization has become an emerging tool for neuroscientists to study neural code. In the visual system, neurons respond to images with graded and noisy responses. Image patterns eliciting highest responses are diagnostic of the coding content of the neuron. To find these patterns, we have used black-box optimizers to search a 4096d image space, leading to the evolution of images that maximize neuronal responses. Although genetic algorithm (GA) has been commonly used, there haven't been any systematic investigations to reveal the best performing optimizer or the underlying principles necessary to improve them. Here, we conducted a large scale in silico benchmark of optimizers for activation maximization and found that Covariance Matrix Adaptation (CMA) excelled in its achieved activation. We compared CMA against GA and found that CMA surpassed the maximal activation of GA by 66% in silico and 44% in vivo. We analyzed the structure of Evolution trajectories and found that the key to success was not covariance matrix adaptation, but local search towards informative dimensions and an effective step size decay. Guided by these principles and the geometry of the image manifold, we developed SphereCMA optimizer which competed well against CMA, proving the validity of the identified principles. Code available at https://github.com/Animadversio/ActMax-Optimizer-Dev
• Abstract（参考訳）: 近年、最適化は神経科学者が神経コードを研究するための新しいツールとなっている。 視覚系では、ニューロンはグレードとノイズの応答を伴う画像に応答する。 最も高い応答を示す画像パターンは、ニューロンのコーディング内容の診断である。 これらのパターンを見つけるために、4096d画像空間を探索するためにブラックボックスオプティマイザを使用し、ニューロンの反応を最大化する画像の進化につながった。 遺伝的アルゴリズム(GA)は一般的に用いられているが、最適な最適化方法やそれを改善するために必要な基本原則を明らかにするための体系的な調査は行われていない。 そこで我々は,活性化最大化のための最適化器のシリコベンチマークを大規模に実施し,共分散行列適応(Covariance Matrix Adaptation, CMA)が有効であることを確認した。 CMA と GA を比較し,CMA は GA の最大活性化率を 66% ,in vivo では 44% で上回った。 進化の軌跡の構造を分析し,成功の鍵は共分散行列適応ではなく,情報的次元への局所探索と効果的なステップサイズ減衰であることがわかった。 これらの原理と画像多様体の幾何学によって導かれ、CMAとよく競合するSphereCMA最適化器を開発し、同定された原理の有効性を証明した。 コードはhttps://github.com/animadversio/actmax-optimizer-devで利用可能

関連論文リスト

• Tumoral Angiogenic Optimizer: A new bio-inspired based metaheuristic [5.013833066304755]
  腫瘍血管新生過程において発生する血管内皮細胞の形態形成細胞運動に着想を得た新しいメタヒューリスティックを提案する。 提案アルゴリズムは, 実世界の問題 (カンチレバービーム設計, 圧力容器設計, テンション/圧縮ばね, 持続的浮揚可能資源) に適用される。
  論文  参考訳（メタデータ） (2023-09-12T03:51:53Z)
• Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
  畳み込み型神経生成符号化(Conv-NGC)を開発した。 我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。 本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
  論文  参考訳（メタデータ） (2022-11-22T06:42:41Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• An Improved Deep Convolutional Neural Network by Using Hybrid Optimization Algorithms to Detect and Classify Brain Tumor Using Augmented MRI Images [0.9990687944474739]
  本稿では,最適化アルゴリズムを改良することにより,深層畳み込み学習の改善を実現する。 提案手法の性能を2073個のMRI画像で検証する実験を行った。 性能比較では、DCNN-G-HHOは既存の手法よりもはるかに成功しており、特にスコアの精度は97%である。
  論文  参考訳（メタデータ） (2022-06-08T14:29:06Z)
• Topological Optimized Convolutional Visual Recurrent Network for Brain Tumor Segmentation and Classification [1.2499537119440245]
  我々は,脳腫瘍の分類と分類のためのトポロジカルデータ解析に基づく改良型永続ホモロジーと畳み込み移動学習と視覚的反復学習モデルを開発した。 他の既存の脳腫瘍の分類モデルと比較して、提案されたCTVR-EHOおよびTDA-IPHアプローチは、高い精度(99.8%)、高いリコール(99.23%)、高い精度(99.67%)、高いFスコア(99.59%)を示す。
  論文  参考訳（メタデータ） (2022-06-06T07:04:05Z)
• Effective Mutation Rate Adaptation through Group Elite Selection [50.88204196504888]
  本稿では,GESMR(Group Elite Selection of Mutation Rates)アルゴリズムを提案する。 GESMRは解の集団とMRの集団を共進化させ、各MRは解群に割り当てられる。 同じ数の関数評価とオーバーヘッドのほとんどないGESMRは、以前のアプローチよりも早く、より良いソリューションに収束する。
  論文  参考訳（メタデータ） (2022-04-11T01:08:26Z)
• Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
  本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。 本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
  論文  参考訳（メタデータ） (2021-11-05T02:54:06Z)
• Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization algorithm [29.895517914678816]
  脳磁気共鳴画像(MRI)の効率的なセグメンテーションは、放射線学者にとって大きな関心事である。 Thresholdingは、画像のヒストグラムを使用して、異なるピクセルの同質なグループを異なるクラスにラベル付けする、セグメンテーションの一般的な方法である。 本稿では,進化的メタヒューリスティックを用いたマルチレベルしきい値設定を行う。
  論文  参考訳（メタデータ） (2021-09-17T17:51:34Z)
• Fused Deep Features Based Classification Framework for COVID-19 Classification with Optimized MLP [0.0]
  新型コロナウイルス(COVID-19)は急速に広がっています。 この病気は特定の症状を呈するが、ほぼすべての個人で異なる症状を示す可能性があるため、何十万人もの患者が死亡した。 コンピュータ支援診断(CAD)と人工知能(AI)アルゴリズムの助けが不可欠である。
  論文  参考訳（メタデータ） (2021-03-15T14:30:12Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)

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。