Fugu-MT 論文翻訳(概要): Context Matters: Adaptive Mutation for Grammars

論文の概要: Context Matters: Adaptive Mutation for Grammars

arxiv url: http://arxiv.org/abs/2303.14522v1
Date: Sat, 25 Mar 2023 17:26:20 GMT
ステータス: 処理完了
システム内更新日: 2023-03-28 19:15:52.352816
Title: Context Matters: Adaptive Mutation for Grammars
Title（参考訳）: コンテキストの問題: 文法の適応的変異
Authors: Pedro Carvalho and Jessica M\'egane and Nuno Louren\c{c}o and Penousal Machado
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.3577368017815705
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work proposes Adaptive Facilitated Mutation, a self-adaptive mutation method for Structured Grammatical Evolution (SGE), biologically inspired by the theory of facilitated variation. In SGE, the genotype of individuals contains a list for each non-terminal of the grammar that defines the search space. In our proposed mutation, each individual contains an array with a different, self-adaptive mutation rate for each non-terminal. We also propose Function Grouped Grammars, a grammar design procedure, to enhance the benefits of the proposed mutation. Experiments were conducted on three symbolic regression benchmarks using Probabilistic Structured Grammatical Evolution (PSGE), a variant of SGE. Results show our approach is similar or better when compared with the standard grammar and mutation.
Abstract（参考訳）: 本研究では、構造文法進化(Structured Grammatical Evolution, SGE)の自己適応突然変異法である適応ファシリテート変異(Adaptive Facilitated Mutation)を提案する。 SGEでは、個人の遺伝子型は、検索空間を定義する文法の各非末端の一覧を含む。提案する突然変異では、各個体は非終端点ごとに異なる自己適応的突然変異率を持つ配列を含む。また,提案した突然変異の利点を高めるため,文法設計手法であるFunction Grouped Grammarsを提案する。 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。その結果、標準文法や突然変異と比較すると、我々のアプローチは似ているか良いかが分かる。

関連論文リスト

Effective Adaptive Mutation Rates for Program Synthesis [3.2228025627337864]
進化的アルゴリズムの問題解決性能は突然変異率に依存する。本稿では,変異率の特定の必要性を解消する適応的バンディットに基づく突然変異法を提案する。ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
論文参考訳（メタデータ） (2024-06-23T00:56:37Z)
Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文参考訳（メタデータ） (2024-06-05T06:42:27Z)
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)
Self-Supervised Learning for Group Equivariant Neural Networks [75.62232699377877]
群同変ニューラルネットワーク(英: Group equivariant Neural Network)は、入力の変換で通勤する構造に制限されたモデルである。自己教師型タスクには、同変プリテキストラベルと異変コントラスト損失という2つの概念を提案する。標準画像認識ベンチマークの実験では、同変ニューラルネットワークが提案された自己教師型タスクを利用することを示した。
論文参考訳（メタデータ） (2023-03-08T08:11:26Z)
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)
Co-evolutionary Probabilistic Structured Grammatical Evolution [0.5156484100374059]
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。
論文参考訳（メタデータ） (2022-04-19T16:35:22Z)
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)
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)
A Rank based Adaptive Mutation in Genetic Algorithm [0.0]
本稿では,染色体ランクを用いた突然変異確率生成の代替手法を提案する。単純な遺伝的アルゴリズム(SGA)と一定の突然変異確率と限られた資源制約内での適応的アプローチとの比較実験を行った。
論文参考訳（メタデータ） (2021-04-18T12:41:33Z)
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)

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。