Fugu-MT 論文翻訳(概要): An information-theoretic evolutionary algorithm

論文の概要: An information-theoretic evolutionary algorithm

arxiv url: http://arxiv.org/abs/2304.05963v1
Date: Wed, 12 Apr 2023 16:36:22 GMT
ステータス: 処理完了
システム内更新日: 2023-04-13 14:14:31.055171
Title: An information-theoretic evolutionary algorithm
Title（参考訳）: 情報理論進化アルゴリズム
Authors: Arnaud Berny
Abstract要約: It-EAは、検索分布を2つのパラメータで反復的に更新する。実証分析では、OneMaxとLeadingOnesでは、エリート主義者で非エリート主義者の it-EA が有望な結果を得る。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel evolutionary algorithm on bit vectors which derives from the principles of information theory. The information-theoretic evolutionary algorithm (it-EA) iteratively updates a search distribution with two parameters, the center, that is the bit vector at which standard bit mutation is applied, and the mutation rate. The mutation rate is updated by means of information-geometric optimization and the center is updated by means of a maximum likelihood principle. Standard elitist and non elitist updates of the center are also considered. Experiments illustrate the dynamics of the mutation rate and the influence of hyperparameters. In an empirical runtime analysis, on OneMax and LeadingOnes, the elitist and non elitist it-EAs obtain promising results.
Abstract（参考訳）: 本稿では,情報理論の原理に基づくビットベクトル上の新しい進化アルゴリズムを提案する。情報理論進化アルゴリズム(IT-EA)は、標準ビット突然変異が適用されるビットベクトルである中心と突然変異率の2つのパラメータで探索分布を反復的に更新する。情報幾何学最適化により突然変異率を更新し、最大可能性原理により中央を更新する。また、センターの標準的エリートおよび非エリート的更新も検討されている。実験では、変異率のダイナミクスとハイパーパラメータの影響が示されている。実証的なランタイム分析では、onemaxおよびleadingonesにおいて、エリートおよび非エリートit-easは有望な結果が得られる。

関連論文リスト

Evolution Transformer: In-Context Evolutionary Optimization [6.873777465945062]
本稿では、進化戦略のファミリーを柔軟に特徴付けることができる因果トランスフォーマーアーキテクチャである進化トランスフォーマーを紹介する。進化的アルゴリズム蒸留(Evolutionary Algorithm Distillation)を用いてモデルの重み付けを訓練する。進化変換器の動作特性を解析し,進化変換器を自己参照的に学習する手法を提案する。
論文参考訳（メタデータ） (2024-03-05T14:04:13Z)
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)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Structured mutation inspired by evolutionary theory enriches population performance and diversity [2.3577368017815705]
Grammar-Guided Genetic Programmingは、進化論から、与えられたタスクに対するソリューションを自律的に設計するために、様々な洞察を取り入れている。進化生物学の最近の知見は、GGGPアルゴリズムのさらなる改良につながる可能性がある。我々は、この新しい変分ファシリテート変異法(FM)と呼ぶ。
論文参考訳（メタデータ） (2023-02-01T16:25:03Z)
A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文参考訳（メタデータ） (2022-11-16T00:11:04Z)
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)
Direct Mutation and Crossover in Genetic Algorithms Applied to Reinforcement Learning Tasks [0.9137554315375919]
本稿では、遺伝的アルゴリズム(GA)を用いて神経進化を適用し、最適な行動エージェントを生成するニューラルネットワークの重みを見つけることに焦点を当てる。本稿では,データ効率と収束速度を初期実装と比較して改善する2つの新しい修正法を提案する。
論文参考訳（メタデータ） (2022-01-13T07:19:28Z)
Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文参考訳（メタデータ） (2021-11-05T02:54:06Z)
An Experimental Study of Weight Initialization and Weight Inheritance Effects on Neuroevolution [2.3274138116397736]
神経進化では、初期ゲノム(ANN)が探索の開始時に生成される場合、子孫ゲノムが交叉によって生成される場合、突然変異時に新しいノードやエッジが生成される場合、の三つの異なるタイミングで重みが爆発する必要がある。本研究は,Xavier,Kaming,および一様ランダムウェイト初期化法と,クロスオーバーおよび突然変異操作中に新しいウェイトを初期化する新しいラマルク重み継承法との相違について検討する。
論文参考訳（メタデータ） (2020-09-21T07:06:47Z)
Communication-Efficient Distributed Stochastic AUC Maximization with Deep Neural Networks [50.42141893913188]
本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
論文参考訳（メタデータ） (2020-05-05T18:08:23Z)
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。