論文の概要: Controllable Exploration of a Design Space via Interactive Quality Diversity

• arxiv url: http://arxiv.org/abs/2304.01642v2
• Date: Fri, 7 Apr 2023 16:59:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 14:26:16.745152
• Title: Controllable Exploration of a Design Space via Interactive Quality Diversity
• Title（参考訳）: インタラクティブな品質多様性によるデザイン空間の制御可能な探索
• Authors: Konstantinos Sfikas and Antonios Liapis and Georgios N. Yannakakis
• Abstract要約: 本稿では,QD検索に基づくユーザ主導の進化的アルゴリズムを提案する。 a) ユーザが認知負荷を減らすためにいくつかの代替案を提示する必要がある; (b) 提示された代替案は、ユーザの疲労を軽減するために、多様なが以前のユーザ選択に類似しているべきである。
• 参考スコア（独自算出の注目度）: 2.0419267792711397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a user-driven evolutionary algorithm based on Quality Diversity (QD) search. During a design session, the user iteratively selects among presented alternatives and their selections affect the upcoming results. We aim to address two major concerns of interactive evolution: (a) the user must be presented with few alternatives, to reduce cognitive load; (b) presented alternatives should be diverse but similar to the previous user selection, to reduce user fatigue. To address these concerns, we implement a variation of the MAP-Elites algorithm where the presented alternatives are sampled from a small region (window) of the behavioral space. After a user selection, the window is centered on the selected individual's behavior characterization, evolution selects parents from within this window to produce offspring, and new alternatives are sampled. Essentially we define an adaptive system of local QD, where the user's selections guide the search towards specific regions of the behavioral space. The system is tested on the generation of architectural layouts, a constrained optimization task, leveraging QD through a two-archive approach. Results show that while global exploration is not as pronounced as in MAP-Elites, the system finds more appropriate solutions to the user's taste, based on experiments with controllable artificial users.
• Abstract（参考訳）: 本稿では,品質多様性(qd)探索に基づくユーザ駆動進化アルゴリズムを提案する。 デザインセッションの間、ユーザは提示された代替品の中から反復的に選択し、その選択が今後の結果に影響を与える。 インタラクティブ進化の2つの主要な懸念に対処することを目指している。 (a)認知負荷を軽減するために、ユーザはいくつかの代替案を提示しなければならない。 b) 提示された代替案は多様であるが, ユーザの疲労を軽減するため, 以前のユーザ選択と類似している。 これらの問題に対処するため,行動空間の小さな領域(ウィンドウ)から提案した代替品をサンプリングするMAP-Elitesアルゴリズムのバリエーションを実装した。 ユーザが選択した後、ウィンドウは選択した個人の行動特性に集中し、進化はこのウィンドウ内から親を選択して子孫を生成し、新しい選択肢をサンプリングする。 基本的に、ユーザの選択が行動空間の特定の領域への探索を案内する局所的なQDの適応システムを定義する。 このシステムは、制約付き最適化タスクであるアーキテクチャレイアウトの生成でテストされ、2階層的なアプローチでQDを活用する。 その結果,map-elitesほどグローバル探索は発音できないが,制御可能な人工ユーザを用いた実験により,ユーザの嗜好に対する適切な解決策が得られた。

関連論文リスト

• SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation [55.87169702896249]
  Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。 本稿では,DA手法の評価と,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの公平な評価を行うフレームワークを提案する。 本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-07-16T12:52:29Z)
• Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
  従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。 本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。 本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
  論文  参考訳（メタデータ） (2024-04-30T15:20:41Z)
• Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
  本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。 提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
  論文  参考訳（メタデータ） (2024-03-06T16:31:56Z)
• Efficient Quality-Diversity Optimization through Diverse Quality Species [3.428706362109921]
  我々は,アーカイブの必要をなくしたり,事前の動作範囲を定義したりすることなく,多様な解の集団を見つけることができることを示す。 本稿では,アーカイブベースの品質多様性(QD)アルゴリズムの代替として,DQS(Diverse Quality Species)を提案する。
  論文  参考訳（メタデータ） (2023-04-14T23:15:51Z)
• A metaheuristic multi-objective interaction-aware feature selection method [5.28539620288341]
  本稿では,いくつかの利点を有する新しい多目的特徴選択法を提案する。 高度な確率スキームを用いて特徴間の相互作用を考察する。 提案手法は,提案した確率スキームを用いて,より有望な子孫を生成する。
  論文  参考訳（メタデータ） (2022-11-10T08:56:48Z)
• Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
  クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。 近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。 そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T03:28:15Z)
• Interactive Evolutionary Multi-Objective Optimization via Learning-to-Rank [8.421614560290609]
  本稿では,関心の解(SOI)を対話的に見つけるために,嗜好に基づくEMOアルゴリズムを設計するためのフレームワークを開発する。 EMOの中核となる考え方は、人間をEMOのループに巻き込むことだ。何回か繰り返すと、DMは数人の現職候補者に対してフィードバックを求めるよう招待される。 このような情報を集めることで、彼女の好みは学習からランクまでニューラルネットワークによって徐々に学習され、次にベースラインEMOアルゴリズムを導出するために応用される。
  論文  参考訳（メタデータ） (2022-04-06T06:34:05Z)
• i-Razor: A Differentiable Neural Input Razor for Feature Selection and Dimension Search in DNN-Based Recommender Systems [8.992480061695138]
  ノイズの特徴と不適切な埋め込み次元割り当てはレコメンダシステムの性能を低下させる可能性がある。 本稿では,特徴選択と次元探索を共同で最適化するニューラルインプット・レイザー (i-Razor) を提案する。
  論文  参考訳（メタデータ） (2022-04-01T08:30:06Z)
• VFDS: Variational Foresight Dynamic Selection in Bayesian Neural Networks for Efficient Human Activity Recognition [81.29900407096977]
  変動予測動的選択(VFDS)は、観測する次の機能サブセットを選択するポリシーを学ぶ。 本稿では,その実践においてパフォーマンスコストのトレードオフが重要となるヒューマンアクティビティ認識(HAR)タスクに,VFDSを適用した。
  論文  参考訳（メタデータ） (2022-03-31T22:52:43Z)
• Robust Image Matching By Dynamic Feature Selection [17.3367710589782]
  画像間の密接な対応を推定することは、長年続く課題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)を導入し、高レベルの特徴マップを抽出し、特徴マッチングを通じて対応を見つける。 異なるスケールの機能を動的に選択することで、ロバストな特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-13T06:21:33Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。