論文の概要: When to be critical? Performance and evolvability in different regimes
of neural Ising agents
- arxiv url: http://arxiv.org/abs/2303.16195v3
- Date: Fri, 17 Nov 2023 02:31:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 19:59:08.347340
- Title: When to be critical? Performance and evolvability in different regimes
of neural Ising agents
- Title（参考訳）: いつクリティカルになるの?
ニューラルイジング剤の各種系における性能と進化性
- Authors: Sina Khajehabdollahi, Jan Prosi, Emmanouil Giannakakis, Georg Martius,
Anna Levina
- Abstract要約: 臨界状態に近い状態での操作は、自然、人工的およびそれらの進化システムにとって有益である、という仮説は長年にわたって仮説化されてきた。
我々はこの仮説を、ニューラルネットワークによって制御される進化的捕食エージェントのシステムでテストする。
驚くべきことに、ソリューションを発見するすべての人口は、亜臨界状態へと進化する。
- 参考スコア（独自算出の注目度）: 18.536813548129878
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: It has long been hypothesized that operating close to the critical state is
beneficial for natural, artificial and their evolutionary systems. We put this
hypothesis to test in a system of evolving foraging agents controlled by neural
networks that can adapt agents' dynamical regime throughout evolution.
Surprisingly, we find that all populations that discover solutions, evolve to
be subcritical. By a resilience analysis, we find that there are still benefits
of starting the evolution in the critical regime. Namely, initially critical
agents maintain their fitness level under environmental changes (for example,
in the lifespan) and degrade gracefully when their genome is perturbed. At the
same time, initially subcritical agents, even when evolved to the same fitness,
are often inadequate to withstand the changes in the lifespan and degrade
catastrophically with genetic perturbations. Furthermore, we find the optimal
distance to criticality depends on the task complexity. To test it we introduce
a hard and simple task: for the hard task, agents evolve closer to criticality
whereas more subcritical solutions are found for the simple task. We verify
that our results are independent of the selected evolutionary mechanisms by
testing them on two principally different approaches: a genetic algorithm and
an evolutionary strategy. In summary, our study suggests that although optimal
behaviour in the simple task is obtained in a subcritical regime, initializing
near criticality is important to be efficient at finding optimal solutions for
new tasks of unknown complexity.
- Abstract（参考訳）: 臨界状態に近い状態での運用は、自然、人工、進化システムにとって有益である、という仮説が長い間立てられてきた。
我々はこの仮説を、進化を通してエージェントの動的状態に適応できるニューラルネットワークによって制御される進化的捕食エージェントのシステムでテストする。
驚くべきことに、ソリューションを発見するすべての人口は、亜臨界状態へと進化する。
レジリエンス分析により、重要な体制で進化を始める利点がまだ残っていることが分かる。
すなわち、初期の臨界剤は環境の変化(例えば寿命)下での適合度を維持し、ゲノムが乱れたときに優雅に分解する。
同時に、初期の亜臨界物質は、同じ適合性へと進化しても、しばしば寿命の変化に耐えられず、遺伝的摂動によって破滅的に劣化する。
さらに、臨界度に対する最適距離は、タスクの複雑さに依存する。
ハードタスクの場合、エージェントは臨界に近い方向に進化しますが、単純なタスクにはもっとサブクリティカルなソリューションが見られます。
その結果, 遺伝的アルゴリズムと進化戦略の2つのアプローチを用いて, 選択した進化機構から独立していることを確認した。
結論として,単純なタスクにおける最適動作はサブクリティカルな方法では得られるが,未知の複雑性を持つ新しいタスクの最適解を見つける上では,臨界に近い初期化が効率的であることが示唆された。
関連論文リスト
- Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。
4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2024-05-29T02:35:23Z) - Agent Alignment in Evolving Social Norms [65.45423591744434]
本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。
社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。
進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
論文 参考訳（メタデータ） (2024-01-09T15:44:44Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳（メタデータ） (2023-06-06T19:05:01Z) - The scaling of goals via homeostasis: an evolutionary simulation,
experiment and analysis [0.0]
本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。
これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。
本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
論文 参考訳（メタデータ） (2022-11-15T21:48:44Z) - Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。
我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。
環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
論文 参考訳（メタデータ） (2022-07-27T15:30:50Z) - Transfer Dynamics in Emergent Evolutionary Curricula [4.692078300163222]
PINSKYは、ゲームベースのドメインにおける神経進化によるオープンエンド学習システムである。
本稿では、ある進化的分岐(種)から別の進化的分岐(種)へ政策を移す役割に焦点を当てる。
最も洞察に富んだ発見は、種間移動は稀ではあるが、システムの成功に不可欠であるということである。
論文 参考訳（メタデータ） (2022-03-03T21:10:22Z) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - The dynamical regime and its importance for evolvability, task
performance and generalization [14.059479351946386]
初期体制によらず、全ての人口は単純な作業において亜臨界状態に進化する。
我々は、サブクリティカルな体制は単純なタスクでは望ましいが、臨界性からの最適な逸脱はタスクの難易度に依存すると結論付けた。
論文 参考訳（メタデータ） (2021-03-22T21:22:52Z) - Task-Agnostic Morphology Evolution [94.97384298872286]
モルフォロジーと振る舞いを共同適用する現在のアプローチでは、特定のタスクの報酬をモルフォロジー最適化のシグナルとして使用します。
これはしばしば高価なポリシー最適化を必要とし、一般化するために構築されていないタスクに依存した形態をもたらす。
我々は,これらの問題を緩和するための新しいアプローチであるタスク非依存形態進化(tame)を提案する。
論文 参考訳（メタデータ） (2021-02-25T18:59:21Z) - Self-adaptation in non-Elitist Evolutionary Algorithms on Discrete
Problems with Unknown Structure [2.28438857884398]
進化的アルゴリズムを効果的に活用する上で重要な課題は、パラメータの適切な設定を選択することである。
非決定論的パラメータ制御機構は、進化過程から得られた情報を用いてパラメータを調整する。
自己適応は進化戦略において一般的なパラメータ制御機構である。
論文 参考訳（メタデータ） (2020-04-01T10:35:45Z)
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。