論文の概要: Down-Sampled Epsilon-Lexicase Selection for Real-World Symbolic
Regression Problems
- arxiv url: http://arxiv.org/abs/2302.04301v1
- Date: Wed, 8 Feb 2023 19:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 17:41:59.243761
- Title: Down-Sampled Epsilon-Lexicase Selection for Real-World Symbolic
Regression Problems
- Title(参考訳): 実世界シンボリック回帰問題に対するダウンサンプリング・エプシロン・レキシケースの選択
- Authors: Alina Geiger, Dominik Sobania, Franz Rothlauf
- Abstract要約: ダウンサンプリングされたエプシロン-レキシケース選択は、エプシロン-レキシケース選択とランダムサブサンプリングを組み合わせることで、シンボリックレグレッションの領域の性能を向上させる。
その結果, 標準のエプシロン-レキシケース選択と比較して, ダウンサンプルのエプシロン-レキシケース選択により多様性が低下することが判明した。
ダウンサンプリングされたエプシロン-レキシケース選択では,標準的なエプシロン-レキシケース選択と比較して解の質が最大85%向上することが観察された。
- 参考スコア(独自算出の注目度): 1.8047694351309207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Epsilon-lexicase selection is a parent selection method in genetic
programming that has been successfully applied to symbolic regression problems.
Recently, the combination of random subsampling with lexicase selection
significantly improved performance in other genetic programming domains such as
program synthesis. However, the influence of subsampling on the solution
quality of real-world symbolic regression problems has not yet been studied. In
this paper, we propose down-sampled epsilon-lexicase selection which combines
epsilon-lexicase selection with random subsampling to improve the performance
in the domain of symbolic regression. Therefore, we compare down-sampled
epsilon-lexicase with traditional selection methods on common real-world
symbolic regression problems and analyze its influence on the properties of the
population over a genetic programming run. We find that the diversity is
reduced by using down-sampled epsilon-lexicase selection compared to standard
epsilon-lexicase selection. This comes along with high hyperselection rates we
observe for down-sampled epsilon-lexicase selection. Further, we find that
down-sampled epsilon-lexicase selection outperforms the traditional selection
methods on all studied problems. Overall, with down-sampled epsilon-lexicase
selection we observe an improvement of the solution quality of up to 85% in
comparison to standard epsilon-lexicase selection.
- Abstract(参考訳): Epsilon-lexicase selectionは遺伝的プログラミングにおける親選択法であり、シンボリック回帰問題にうまく適用されている。
近年、ランダムサブサンプリングとレキシケース選択の組み合わせにより、プログラム合成などの他の遺伝的プログラミング領域のパフォーマンスが著しく向上している。
しかし,実世界の記号回帰問題の解質に対するサブサンプリングの影響はまだ研究されていない。
本稿では,epsilon-lexicase選択とランダムサブサンプリングを組み合わせたダウンサンプリングepsilon-lexicase選択法を提案する。
そこで本研究では,実世界の象徴的回帰問題に対するダウンサンプリングエプシロン・レキシラーゼと従来の選択法を比較し,遺伝的プログラミングにおける個体群特性への影響を分析した。
標準のepsilon-lexicase選択と比較して,ダウンサンプリングしたepsilon-lexicase選択により多様性が低下することがわかった。
これは、ダウンサンプリングされたepsilon-lexicase選択で観察される高いハイパーセレクション率とともに起こる。
さらに,epsilon-lexicase選択のダウンサンプリングは,すべての研究課題において従来の選択方法よりも優れていることがわかった。
総じて,epsilon-lexicase選択のダウンサンプリングにより,通常のepsilon-lexicase選択に比べて溶液品質が最大85%向上することを確認した。
関連論文リスト
- Minimum variance threshold for epsilon-lexicase selection [0.7373617024876725]
メソッドは、両親を選択するための基準として、データセット全体の平均エラーに依存することが多い。
本稿では,エラーを2つの分割に分割し,分割における全分散を最小化する新しい基準を提案する。
実世界のデータセットにおける従来のepsilon-lexicase選択と比較して,本手法の方が優れた性能を示した。
論文 参考訳(メタデータ) (2024-04-08T23:47:26Z) - DALex: Lexicase-like Selection via Diverse Aggregation [6.394522608656896]
DALex(Diversely Aggregated Lexicase)は,レキシケース選択とその緩和された変種に対して,大幅な高速化を実現することを示す。
プログラム合成, 深層学習, 記号回帰, 学習システムの結果から, DALexは語彙選択とその緩和された変種に対して, 大幅な高速化を実現することが示された。
論文 参考訳(メタデータ) (2024-01-23T01:20:15Z) - Learning with Complementary Labels Revisited: The Selected-Completely-at-Random Setting Is More Practical [66.57396042747706]
補完ラベル学習は、弱教師付き学習問題である。
均一分布仮定に依存しない一貫したアプローチを提案する。
相補的なラベル学習は、負のラベル付きバイナリ分類問題の集合として表現できる。
論文 参考訳(メタデータ) (2023-11-27T02:59:17Z) - Probabilistic Lexicase Selection [6.177959045971966]
本稿では,レキシケード選択の確率分布を効率的に近似する新しい親選択アルゴリズムである確率論的レキシケード選択(プレキシケード選択)を導入する。
提案手法は,セマンティック・アウェア選択法として優れた問題解決能力を示すだけでなく,選択プロセスの確率的表現の利点も示している。
論文 参考訳(メタデータ) (2023-05-19T13:57:04Z) - Analyzing the Interaction Between Down-Sampling and Selection [52.77024349608834]
遺伝的プログラミングシステムは、選択のための候補解の品質を評価するために、しばしば大きなトレーニングセットを使用する。
ダウンサンプリングトレーニングセットは、幅広いアプリケーション領域における評価の計算コストを低減するために、長い間使われてきた。
論文 参考訳(メタデータ) (2023-04-14T12:21:19Z) - Regression with Label Differential Privacy [64.21020761920322]
与えられた回帰損失関数の下で最適なラベルDPランダム化機構を導出する。
我々は、最適メカニズムが「ビンのランダム化応答」の形をとることを証明した。
論文 参考訳(メタデータ) (2022-12-12T17:41:32Z) - Optimal Rates for Random Order Online Optimization [60.011653053877126]
敵が損失関数を選択できるカテットガルバー2020onlineについて検討するが、一様にランダムな順序で提示される。
2020onlineアルゴリズムが最適境界を達成し,安定性を著しく向上することを示す。
論文 参考訳(メタデータ) (2021-06-29T09:48:46Z) - Problem-solving benefits of down-sampled lexicase selection [0.20305676256390928]
ダウンサンプルのレキシケース選択の主な利点は、進化過程が同じ計算予算内でより多くの個人を調べることができるという事実から来ています。
しかし、ダウンサンプリングが役立つ理由は、まだ完全には理解されていない。
論文 参考訳(メタデータ) (2021-06-10T23:42:09Z) - Shape-constrained Symbolic Regression -- Improving Extrapolation with
Prior Knowledge [0.0]
目的は、期待される振る舞いに適合し、能力を改善したモデルを見つけることである。
アルゴリズムは19の合成問題と4つの現実世界の回帰問題でテストされる。
形状制約レグレッションは、テストセットに最適な結果をもたらすが、さらに大きなモデルも生成する。
論文 参考訳(メタデータ) (2021-03-29T14:04:18Z) - Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。
近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。
我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文 参考訳(メタデータ) (2020-07-21T19:31:41Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z)
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。