Fugu-MT 論文翻訳(概要): Multi-Objective GFlowNets

論文の概要: Multi-Objective GFlowNets

arxiv url: http://arxiv.org/abs/2210.12765v1
Date: Sun, 23 Oct 2022 16:15:36 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 14:41:07.378363
Title: Multi-Objective GFlowNets
Title（参考訳）: 多目的GFlowNets
Authors: Moksh Jain, Sharath Chandra Raparthy, Alex Hernandez-Garcia, Jarrid Rector-Brooks, Yoshua Bengio, Santiago Miret, Emmanuel Bengio
Abstract要約: 機械学習の多くの応用において、目標は、目的の集合を同時に最大化する候補を生成することである。実際には、これらの目的はしばしば過小評価されており、候補者の多様性が重要な考慮事項となっている。 GFlowNetsの単一目的設定における多種多様な候補生成の成功により、我々はMOGFN(Multi-Objective GFlowNets)を考える。また,MOGFNは,ハイパーボリューム,R2距離,候補者の多様性において,既存の手法よりも優れていることを示す。
参考スコア（独自算出の注目度）: 59.16787189214784
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many applications of machine learning, like drug discovery and material design, the goal is to generate candidates that simultaneously maximize a set of objectives. As these objectives are often conflicting, there is no single candidate that simultaneously maximizes all objectives, but rather a set of Pareto-optimal candidates where one objective cannot be improved without worsening another. Moreover, in practice, these objectives are often under-specified, making the diversity of candidates a key consideration. The existing multi-objective optimization methods focus predominantly on covering the Pareto front, failing to capture diversity in the space of candidates. Motivated by the success of GFlowNets for generation of diverse candidates in a single objective setting, in this paper we consider Multi-Objective GFlowNets (MOGFNs). MOGFNs consist of a novel Conditional GFlowNet which models a family of single-objective sub-problems derived by decomposing the multi-objective optimization problem. Our work is the first to empirically demonstrate conditional GFlowNets. Through a series of experiments on synthetic and benchmark tasks, we empirically demonstrate that MOGFNs outperform existing methods in terms of Hypervolume, R2-distance and candidate diversity. We also demonstrate the effectiveness of MOGFNs over existing methods in active learning settings. Finally, we supplement our empirical results with a careful analysis of each component of MOGFNs.
Abstract（参考訳）: 創薬やマテリアルデザインのような機械学習の多くの応用において、目標は目的のセットを同時に最大化する候補を生成することである。これらの目的はしばしば矛盾するので、全ての目的を同時に最大化する唯一の候補は存在せず、むしろ、ある目的が他の目的を悪化させることなく改善できないパレート・オプティカルな候補の集合である。さらに、実際にはこれらの目的はしばしば過小評価され、候補者の多様性が重要な考慮事項となっている。既存の多目的最適化手法は主にパレートフロントをカバーすることに重点を置いており、候補空間の多様性を捉えていない。本稿では,多目的GFlowNets(MOGFNs)について考察する。 MOGFNは、多目的最適化問題を分解した単目的サブプロブレムの族をモデル化した、新しい条件付きGFlowNetで構成されている。我々の研究は、条件付きGFlowNetを実証的に実証した初めてのものです。合成およびベンチマークタスクに関する一連の実験を通じて、mogfnsが、超体積、r2距離、および候補多様性の観点から既存の手法よりも優れていることを実証的に実証する。また,アクティブな学習環境における既存の手法に対するMOGFNの有効性を示す。最後に,MOGFNの各成分を慎重に分析し,実験結果を補足する。

関連論文リスト

UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文参考訳（メタデータ） (2024-05-01T09:34:42Z)
BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
論文参考訳（メタデータ） (2023-06-01T04:50:06Z)
Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets [86.43523688236077]
組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。 GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
論文参考訳（メタデータ） (2023-05-26T15:13:09Z)
Sample-efficient Multi-objective Molecular Optimization with GFlowNets [5.030493242666028]
ハイパーネットワークに基づくGFlowNets(HN-GFN)を利用した多目的ベイズ最適化(MOBO)アルゴリズムを提案する。 HN-GFNは、単一の嗜好条件のハイパーネットワークを用いて、目的間の様々なトレードオフを探索することを学ぶ。実世界の様々な環境での実験により、我々のフレームワークは、候補品質とサンプル効率の点で、既存の手法よりも圧倒的に優れていることが示された。
論文参考訳（メタデータ） (2023-02-08T13:30:28Z)
Joint Entropy Search for Multi-objective Bayesian Optimization [0.0]
本稿では,統合エントロピー探索(Joint Entropy Search)と呼ばれるBOのための情報理論獲得関数を提案する。本稿では, ハイパーボリュームとその重み付き変種の観点から, 合成および実世界の諸問題に対するこの新しいアプローチの有効性を示す。
論文参考訳（メタデータ） (2022-10-06T13:19:08Z)
Biological Sequence Design with GFlowNets [75.1642973538266]
望ましい性質を持つデノボ生物配列の設計には、数ラウンドの分子のアイデアと高価なウェットラブ評価を伴う活性ループが伴うことが多い。これにより、提案された候補の多様性は、構想段階において重要な考慮事項となる。本稿では,不確実性推定と近年提案されているGFlowNetを多種多様な候補解の生成元として活用した能動的学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-03-02T15:53:38Z)
Multi-Objective Quality Diversity Optimization [2.4608515808275455]
MOME(Multi-Objective MAP-Elites)の多目的設定におけるMAP-Elitesアルゴリズムの拡張を提案する。すなわち、MAP-Elitesグリッドアルゴリズムから受け継いだ多様性と、多目的最適化の強みを組み合わせる。本手法は,標準的な最適化問題からロボットシミュレーションまで,いくつかのタスクで評価する。
論文参考訳（メタデータ） (2022-02-07T10:48:28Z)
Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。コア最適化問題の実用的なパラメトリゼーションを提供する。
論文参考訳（メタデータ） (2021-07-08T18:01:02Z)
Flow Network based Generative Models for Non-Iterative Diverse Candidate Generation [110.09855163856326]
本稿では,アクションのシーケンスからオブジェクトを生成するためのポリシーを学習する問題について述べる。本稿では,生成過程をフローネットワークとして見たGFlowNetを提案する。提案した目的の任意のグローバルな最小限が、所望の分布から標本化する方針を導出することを証明する。
論文参考訳（メタデータ） (2021-06-08T14:21:10Z)
Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space Entropy Search Approach [44.25245545568633]
複数目的のブラックボックス最適化の新たな課題を多要素関数評価を用いて検討する。いくつかの総合的および実世界のベンチマーク問題に対する実験により、MF-OSEMOは両者の近似により、最先端の単一忠実度アルゴリズムよりも大幅に改善されていることが示された。
論文参考訳（メタデータ） (2020-11-02T06:59:04Z)

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。