論文の概要: Using coevolution and substitution of the fittest for health and well-being recommender systems

• arxiv url: http://arxiv.org/abs/2211.00414v1
• Date: Tue, 1 Nov 2022 12:16:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 12:59:53.608868
• Title: Using coevolution and substitution of the fittest for health and well-being recommender systems
• Title（参考訳）: 健康と健康のレコメンデーションシステムのための fittest の共進化と置換の利用
• Authors: Hugo Alcaraz-Herrera and John Cartlidge
• Abstract要約: Fittest (SF) の置換は、2つの集団の競合する進化的遺伝的アルゴリズムにおいて、解離の問題に対処するために設計された技法である。 筆者らはまず,最小限の玩具領域におけるSFの係り合いと最適解の発見能力について,制御された比較評価を行った。 そして、健康と幸福のためのレコメンデーションを進化させる、より複雑な現実世界の問題に対処する。
• 参考スコア（独自算出の注目度）: 3.8073142980733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This research explores substitution of the fittest (SF), a technique designed to counteract the problem of disengagement in two-population competitive coevolutionary genetic algorithms. SF is domain-independent and requires no calibration. We first perform a controlled comparative evaluation of SF's ability to maintain engagement and discover optimal solutions in a minimal toy domain. Experimental results demonstrate that SF is able to maintain engagement better than other techniques in the literature. We then address the more complex real-world problem of evolving recommendations for health and well-being. We introduce a coevolutionary extension of EvoRecSys, a previously published evolutionary recommender system. We demonstrate that SF is able to maintain engagement better than other techniques in the literature, and the resultant recommendations using SF are higher quality and more diverse than those produced by EvoRecSys.
• Abstract（参考訳）: 本研究は,2群競合進化型遺伝的アルゴリズムの解離問題に対処する手法であるFittest (SF) の置換について検討する。 SFはドメイン非依存であり、キャリブレーションを必要としない。 まず,sfがエンゲージメントを維持し,最小限のトイドメインで最適なソリューションを見つける能力について比較評価を行った。 実験の結果,sfは文献上の他の手法よりも熱意を保てることがわかった。 そして、健康と幸福のためのレコメンデーションを進化させる、より複雑な現実世界の問題に対処する。 本稿では,進化的レコメンデーションシステムであるevorecsysの共進化的拡張について紹介する。 本稿は,sfが文献の他の手法よりもエンゲージメントを良好に維持できることを実証し,その結果,vorecsys が生成する技術よりも,sf を用いた推薦が高品質かつ多様であることを示す。

関連論文リスト

• Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation [52.36436121884317]
  Source-Free Domain Adaptation (SFDA) は、現実のシナリオにおいて、Unsupervised Domain Adaptation (UDA) よりも一般的に優れていることを示す。 SFDAは、時間効率、ストレージ要件、対象とする学習目標、負の移動リスクの低減、過度な適合に対する堅牢性の向上といった利点を提供している。 利用可能なソースデータをマルチSFDA手法に効果的に統合する新しい重み推定法を提案する。
  論文  参考訳（メタデータ） (2024-11-24T13:49:29Z)
• An Efficient Reconstructed Differential Evolution Variant by Some of the Current State-of-the-art Strategies for Solving Single Objective Bound Constrained Problems [5.095287502726488]
  本稿では,再構成微分進化 (Restructed differential evolution, RDE) と呼ばれる戦略再結合および再構成微分進化アルゴリズムを提案する。 2024年のIEEE Congress on Evolutionary Computationのベンチマークスイートに基づいて、RDEや他の先進的な微分進化変種を試験した。
  論文  参考訳（メタデータ） (2024-04-25T01:48:44Z)
• Performance Comparison of Surrogate-Assisted Evolutionary Algorithms on Computational Fluid Dynamics Problems [2.1756081703276]
  実世界の計算流体力学問題を用いて、11の最先端単目的SAEAの性能を比較する。 以上の結果から,最近発表された手法と,微分進化を最適化手法の1つとして活用する手法が,他の検討手法よりも優れていることが示唆された。
  論文  参考訳（メタデータ） (2024-02-26T09:58:36Z)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• CoSDA: Continual Source-Free Domain Adaptation [78.47274343972904]
  ソースデータにアクセスせずに、ソースフリードメイン適応(SFDA)は、ソースドメインのトレーニングされたモデルからターゲットドメインに知識を転送する。 最近では、ソースドメインのデータプライバシ保護の必要性から、SFDAの人気が高まっている。 教師-学生モデルペアを2倍高速に最適化し,整合性学習機能を備えた,CoSDAという連続的ソースフリードメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T15:53:23Z)
• In Search for a Generalizable Method for Source Free Domain Adaptation [9.032468541589203]
  ソースフリードメイン適応(SFDA)は、非ラベルデータのみを使用して、オフザシェルフモデルを新しいドメインに適応できるため、魅力的である。 本研究では,生物音響学における自然発生分布シフトの課題に対して,既存のSFDA技術を適用した。 既存の手法は、視力ベンチマークで観察されたものと異なる相対性を示し、時には適応が全くないよりも悪い場合もあります。
  論文  参考訳（メタデータ） (2023-02-13T19:43:16Z)
• 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)
• Evolutionary Diversity Optimisation for The Traveling Thief Problem [11.590506672325668]
  解の集合の構造的多様性を最大化する二段階の進化的アルゴリズムを導入する。 多様性を得る最良の方法を実証的に決定する。 実験の結果,ほとんどのTTPベンチマークインスタンスにおける構造的多様性の観点から,QDアプローチの大幅な改善が示された。
  論文  参考訳（メタデータ） (2022-04-06T10:13:55Z)
• Substitution of the Fittest: A Novel Approach for Mitigating Disengagement in Coevolutionary Genetic Algorithms [3.8073142980733]
  2つの集団の競合する進化的遺伝的アルゴリズムにおいて、解離の問題に対処するために設計されたフィットテスト(SF)の置換。 最小限のドメインでは、エンゲージメントの維持能力と最適解を見つける能力の制御された評価を行う。
  論文  参考訳（メタデータ） (2021-08-06T15:10:36Z)
• Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound Reconstruction [61.62191904755521]
  3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。 既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。 複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
  論文  参考訳（メタデータ） (2021-07-31T16:06:50Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)

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。