論文の概要: Co-evolutionary Probabilistic Structured Grammatical Evolution
- arxiv url: http://arxiv.org/abs/2204.08985v1
- Date: Tue, 19 Apr 2022 16:35:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 08:47:30.093072
- Title: Co-evolutionary Probabilistic Structured Grammatical Evolution
- Title（参考訳）: 共進化確率構造文法進化
- Authors: Jessica M\'egane and Nuno Louren\c{c}o and Penousal Machado
- Abstract要約: この研究は、共進化的確率的構造的文法進化(Co-PSGE)と呼ばれる構造的文法進化(SGE)の拡張を提案する。
Co-PSGEでは、集団内の各個人は、動的リストのリストである文法とジェノタイプによって構成される。
提案手法の性能は,4つの異なるベンチマーク問題に対して,文法的進化(GE),確率的文法的進化(PGE),SGEの3つの異なる手法と比較される。
- 参考スコア（独自算出の注目度）: 0.5156484100374059
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work proposes an extension to Structured Grammatical Evolution (SGE)
called Co-evolutionary Probabilistic Structured Grammatical Evolution
(Co-PSGE). In Co-PSGE each individual in the population is composed by a
grammar and a genotype, which is a list of dynamic lists, each corresponding to
a non-terminal of the grammar containing real numbers that correspond to the
probability of choosing a derivation rule. Each individual uses its own grammar
to map the genotype into a program. During the evolutionary process, both the
grammar and the genotype are subject to variation operators. The performance of
the proposed approach is compared to 3 different methods, namely, Grammatical
Evolution (GE), Probabilistic Grammatical Evolution (PGE), and SGE on four
different benchmark problems. The results show the effectiveness of the
approach since Co-PSGE is able to outperform all the methods with statistically
significant differences in the majority of the problems.
- Abstract（参考訳）: 本研究では、共進化的確率的構造的文法進化(Co-PSGE)と呼ばれる構造的文法進化(SGE)の拡張を提案する。
Co-PSGEでは、集団内の各個人は、動的リストのリストである文法とジェノタイプによって構成され、それぞれが、派生規則を選択する確率に対応する実数を含む文法の非終端に対応する。
各個体は独自の文法を使って遺伝子型をプログラムにマッピングする。
進化過程において、文法と遺伝子型の両方が変分演算子に従属する。
提案手法の性能は,4つの異なるベンチマーク問題に対して,文法的進化(GE),確率的文法的進化(PGE),SGEの3つの異なる手法と比較される。
その結果,Co-PSGEは,ほとんどの問題において統計的に有意差のあるすべての手法を上回り得るため,アプローチの有効性が示された。
関連論文リスト
- VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。
ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
論文 参考訳（メタデータ） (2024-05-13T20:15:03Z) - Efficient and Scalable Fine-Tune of Language Models for Genome
Understanding [49.606093223945734]
textscLanguage prefix ftextscIne-tuning for textscGentextscOmes。
DNA基盤モデルとは異なり、textscLingoは自然言語基盤モデルの文脈的手がかりを戦略的に活用している。
textscLingoはさらに、適応的なランクサンプリング方法により、下流の細調整タスクを数多く許容する。
論文 参考訳（メタデータ） (2024-02-12T21:40:45Z) - Context Matters: Adaptive Mutation for Grammars [2.3577368017815705]
本研究では、構造化文法進化(SGE)のための自己適応突然変異法である適応ファシリテート変異を提案する。
提案した突然変異では、各個体は、各非末端に対して異なる自己適応突然変異率を持つ配列を含む。
SGEの変種である確率的構造文法進化(PSGE)を用いた3つのシンボリック回帰ベンチマーク実験を行った。
論文 参考訳（メタデータ） (2023-03-25T17:26:20Z) - Equivariant Transduction through Invariant Alignment [71.45263447328374]
グループ内ハードアライメント機構を組み込んだ,新しいグループ同変アーキテクチャを提案する。
我々のネットワーク構造は、既存のグループ同変アプローチよりも強い同変特性を発達させることができる。
また、SCANタスクにおいて、従来のグループ同変ネットワークよりも経験的に優れていたことが判明した。
論文 参考訳（メタデータ） (2022-09-22T11:19:45Z) - Probabilistic Structured Grammatical Evolution [0.5156484100374059]
確率的構造文法進化(PSGE)を提案する。
PSGEは構造化文法進化 (Structured Grammatical Evolution, SGE) と確率文法進化 (Probabilistic Grammatical Evolution, PGE) 表現の変種とマッピング機構を組み合わせたものである。
PSGEは、調査された6つのベンチマーク問題すべてにおいて、統計的に文法的進化(GE)より優れていた。
論文 参考訳（メタデータ） (2022-05-21T22:29:10Z) - Graph Adaptive Semantic Transfer for Cross-domain Sentiment
Classification [68.06496970320595]
クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。
本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
論文 参考訳（メタデータ） (2022-05-18T07:47:01Z) - 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) - Commutative Lie Group VAE for Disentanglement Learning [96.32813624341833]
本研究では,データに表される因子の変動を同変的に反映する基盤構造を見いだすこととして,非絡み合い学習を考察する。
グループベースの非絡み合い学習を実現するために、Communative Lie Group VAEというシンプルなモデルが導入された。
実験により,本モデルでは,教師なしの非絡み合い表現を効果的に学習し,余分な制約を伴わずに最先端のパフォーマンスを達成できることが示されている。
論文 参考訳（メタデータ） (2021-06-07T07:03:14Z) - Probabilistic Grammatical Evolution [0.6445605125467573]
PGE(Probabilistic Grammatical Evolution)を提案し、主要な問題のいくつかに取り組み、そのパフォーマンスを改善します。
確率論的文脈自由文法(PCFG)を用いて、その確率は進化過程において適応される。
2つの回帰問題における PGE の性能を評価し, GE および Structured Grammatical Evolution (SGE) と比較した。
論文 参考訳（メタデータ） (2021-03-15T13:54:26Z) - On the Performance of Metaheuristics: A Different Perspective [0.0]
我々は,遺伝的アルゴリズム (GA), Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC), Teaching-Learning-Based Optimization (TLBO), Cuckoo Optimization Algorithm (COA) のいくつかの基本的な進化的およびスワム知能メタヒューリスティックスについて検討した。
異なる特性を持つ20種類の最適化ベンチマーク関数について多数の実験が行われており、これらのメタヒューリスティックスの中での次の順位の他に、いくつかの基本的な結論が示されている。
論文 参考訳（メタデータ） (2020-01-24T09:34:10Z)
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。