論文の概要: The Evolutionary Computation Methods No One Should Use

• arxiv url: http://arxiv.org/abs/2301.01984v1
• Date: Thu, 5 Jan 2023 09:39:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 13:13:25.453565
• Title: The Evolutionary Computation Methods No One Should Use
• Title（参考訳）: 誰も使うべきではない進化的計算方法
• Authors: Jakub Kudela
• Abstract要約: 中心バイアス演算子は、中央にそれぞれの最適値を持つ関数を簡単に最適化する。 提案手法の半数以上(90点中47点)が中心バイアス問題であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The center-bias (or zero-bias) operator has recently been identified as one of the problems plaguing the benchmarking of evolutionary computation methods. This operator lets the methods that utilize it easily optimize functions that have their respective optima in the center of the feasible set. In this paper, we describe a simple procedure that can be used to identify methods that incorporate a center-bias operator and use it to investigate 90 evolutionary computation methods that were published between 1987 and 2022. We show that more than half (47 out of the 90) of the considered methods have the center-bias problem. We also show that the center-bias is a relatively new phenomenon (with the first identified method being from 2012), but its inclusion has become extremely prevalent in the last few years. Lastly, we briefly discuss the possible root causes of this issue.
• Abstract（参考訳）: center-bias(またはzero-bias)演算子は、進化的計算法のベンチマークを示す問題の一つとして最近特定されている。 この演算子により、実現可能な集合の中心にそれぞれの最適値を持つ関数を簡単に最適化できる。 本稿では,センターバイアス演算子を組み込んだ手法を同定し,1987年から2022年にかけて発行された90の進化的計算手法を解析するための簡単な手順について述べる。 検討した手法の半数以上(約90点中47点)が中心バイアス問題を持つことを示した。 また, 中心バイアスは比較的新しい現象であるが(2012年より最初に特定された方法), 近年ではその包含が極めて広まってきている。 最後に,この問題の根本原因について概説する。

関連論文リスト

• Estimating Barycenters of Distributions with Neural Optimal Transport [93.28746685008093]
  本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。 我々の手法は最近のNeural OTソルバをベースとしている。 また,提案手法の理論的誤差境界も確立する。
  論文  参考訳（メタデータ） (2024-02-06T09:17:07Z)
• Discretize Relaxed Solution of Spectral Clustering via a Non-Heuristic Algorithm [77.53604156112144]
  我々は、元の問題と離散化アルゴリズムを橋渡しする1次項を開発する。 非ヒューリスティック法は元のグラフ切断問題を認識しているため、最終的な離散解の方が信頼性が高い。
  論文  参考訳（メタデータ） (2023-10-19T13:57:38Z)
• Sobolev Space Regularised Pre Density Models [51.558848491038916]
  本研究では,ソボレフ法則の正則化に基づく非パラメトリック密度推定法を提案する。 この方法は統計的に一貫したものであり、帰納的検証モデルを明確かつ一貫したものにしている。
  論文  参考訳（メタデータ） (2023-07-25T18:47:53Z)
• The Fundamental Limits of Structure-Agnostic Functional Estimation [16.282314725278365]
  既存の一階法が最適であることを示す。 ブラックボックスニュアンス関数推定を用いた関数推定問題の定式化を行う。 この結果は,機能的推定におけるいくつかの明確なトレードオフを浮き彫りにした。
  論文  参考訳（メタデータ） (2023-05-06T18:40:04Z)
• Classification with Nearest Disjoint Centroids [6.332832782461923]
  最寄りのセントロイドに基づく新しい分類法を開発し,これを最寄りのディジョイント・セントロイド分類器と呼ぶ。 本手法は次の2つの側面において最寄りのセントロイド分類器と異なる: (1) 中心ロイドはすべての特徴の代わりに特徴の解離部分集合に基づいて定義され、(2) 距離はユークリッドノルムの代わりに次元正規化ノルムによって誘導される。
  論文  参考訳（メタデータ） (2021-09-21T21:16:36Z)
• Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
  本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。 我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。 実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
  論文  参考訳（メタデータ） (2021-07-08T15:35:54Z)
• New Methods for Detecting Concentric Objects With High Accuracy [0.0]
  デジタルデータに幾何学的オブジェクトを適合させることは、虹彩検出、自律ナビゲーション、産業ロボット操作など、多くの分野において重要な問題である。 データに幾何学的形状を合わせるには、幾何学的(定形)アプローチと代数的(非定形)アプローチの2つの一般的なアプローチがある。 他の反復的手法の信頼性の高い初期推定として使用できる新しい推定器を開発した。
  論文  参考訳（メタデータ） (2021-02-16T08:19:18Z)
• PrimiTect: Fast Continuous Hough Voting for Primitive Detection [49.72425950418304]
  本手法は点を平面や円錐などの異なる幾何学的プリミティブに分類し,データのコンパクトな表現につながる。 我々は、プリミティブの局所的で低次元のパラメータ化を使用して、ポイントが属するオブジェクトのタイプ、形状、ポーズを決定する。 これにより、ロボットアプリケーションでしばしば必要とされるように、計算能力の低いデバイス上での動作に適したアルゴリズムが実現されます。
  論文  参考訳（メタデータ） (2020-05-15T10:16:07Z)
• Second-Order Guarantees in Centralized, Federated and Decentralized Nonconvex Optimization [64.26238893241322]
  単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。 いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。 これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
  論文  参考訳（メタデータ） (2020-03-31T16:54:22Z)

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。